GitHub ໄດ້ເປີດການພັດທະນາໃນການນໍາໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກສໍາລັບການຄົ້ນຫາລະຫັດແລະການວິເຄາະ

GitHub ແນະ ນຳ ໂຄງການ CodeSearchNet, ເຊິ່ງໄດ້ກະກຽມແບບຈໍາລອງການຮຽນຮູ້ເຄື່ອງຈັກແລະຊຸດຂໍ້ມູນທີ່ຈໍາເປັນສໍາລັບການວິເຄາະ, ການຈັດປະເພດແລະການວິເຄາະລະຫັດໃນພາສາການຂຽນໂປຼແກຼມຕ່າງໆ. CodeSearchNet, ຄ້າຍຄືກັນກັບ IMAGEnet, ລວມມີຄໍເລັກຊັນຂອງລະຫັດ snippet ທີ່ມີຄໍາບັນຍາຍທີ່ເຮັດເປັນທາງການກ່ຽວກັບສິ່ງທີ່ລະຫັດເຮັດ. ອົງປະກອບສໍາລັບຮູບແບບການຝຶກອົບຮົມແລະຕົວຢ່າງຂອງການໃຊ້ CodeSearchNet ຖືກຂຽນໄວ້ໃນ Python ໂດຍໃຊ້ກອບ Tensorflow ແລະ ແຈກຢາຍໂດຍ ພາຍໃຕ້ໃບອະນຸຍາດ MIT.

ເມື່ອສ້າງ CodeSearchNet, ເຕັກໂນໂລຢີການແຍກຂໍ້ຄວາມພາສາທໍາມະຊາດໄດ້ຖືກນໍາໃຊ້, ເຮັດໃຫ້ລະບົບການຮຽນຮູ້ເຄື່ອງຈັກສາມາດພິຈາລະນາບໍ່ພຽງແຕ່ລັກສະນະ syntactic, ແຕ່ຍັງຄວາມຫມາຍຂອງການກະທໍາທີ່ປະຕິບັດໂດຍລະຫັດ. ລະບົບ GitHub ນຳ ໃຊ້ແລ້ວ ໃນ​ການ​ທົດ​ລອງ​ການ​ຈັດ​ຕັ້ງ​ການ​ຄົ້ນ​ຫາ​ລະ​ຫັດ semantic ໂດຍ​ນໍາ​ໃຊ້​ຄໍາ​ຖາມ​ກ່ຽວ​ກັບ​ການ​ ພາສາທໍາມະຊາດ (ຕົວຢ່າງເຊັ່ນ, ເມື່ອຮ້ອງຂໍ "ການຈັດຮຽງບັນຊີລາຍຊື່ຂອງສາຍ", ລະຫັດທີ່ມີການປະຕິບັດຂອງສູດການຄິດໄລ່ທີ່ສອດຄ້ອງກັນຈະສະແດງ).

ຊຸດຂໍ້ມູນທີ່ສະເຫນີປະກອບມີຫຼາຍກວ່າ 2 ລ້ານລະຫັດຄໍາຄິດເຫັນ, ກະກຽມໂດຍອີງໃສ່ຂໍ້ຄວາມແຫຼ່ງຂອງຫ້ອງສະຫມຸດເປີດທີ່ມີຢູ່. ລະຫັດກວມເອົາຂໍ້ຄວາມແຫຼ່ງທີ່ສົມບູນຂອງຫນ້າທີ່ສ່ວນບຸກຄົນຫຼືວິທີການ, ແລະຄໍາຄິດຄໍາເຫັນອະທິບາຍການກະທໍາທີ່ປະຕິບັດໂດຍຫນ້າທີ່ (ເອກະສານລາຍລະອຽດແມ່ນສະຫນອງໃຫ້). ໃນປັດຈຸບັນ, ຊຸດຂໍ້ມູນໄດ້ຖືກກະກຽມສໍາລັບ Python, JavaScript, Ruby, Go, Java ແລະ PHP. ຕົວຢ່າງແມ່ນສະຫນອງໃຫ້ການນໍາໃຊ້ຊຸດຂໍ້ມູນທີ່ສະເຫນີສໍາລັບການຝຶກອົບຮົມປະເພດຕ່າງໆຂອງເຄືອຂ່າຍ neural, ລວມທັງ Neural-Bag-Of-Words, RNN, ເອົາໃຈໃສ່ຕົນເອງ (BERT) ແລະ 1D-CNN+ ປະສົມໃສ່ໃຈຕົນເອງ.

ເພື່ອພັດທະນາກົນໄກຄົ້ນຫາພາສາທໍາມະຊາດ, ຊຸດຂອງ CodeSearchNet Challenge ໄດ້ຖືກກະກຽມເພີ່ມເຕີມ, ລວມທັງ
99 ປົກກະຕິ ຄໍາຖາມທີ່ມີປະມານ 4 ພັນຄໍາບັນຍາຍຂອງຜູ້ຊ່ຽວຊານທີ່ອະທິບາຍເຖິງການຜູກມັດລະຫັດທີ່ເປັນໄປໄດ້ທີ່ສຸດໃນຊຸດຂໍ້ມູນ CodeSearchNet Corpus, ກວມເອົາປະມານ 6 ລ້ານວິທີການແລະຫນ້າທີ່ (ຂະຫນາດທີ່ກໍານົດໄວ້ ປະມານ 20 GB). CodeSearchNet Challenge ສາມາດເປັນມາດຕະຖານສໍາລັບການປະເມີນປະສິດທິຜົນຂອງບາງວິທີການຄົ້ນຫາລະຫັດພາສາທໍາມະຊາດ. ການນໍາໃຊ້ເຄື່ອງມື KubeFlow ກະກຽມ
ຕົວຢ່າງ ເຄື່ອງຈັກຊອກຫາລະຫັດ.

ແຫຼ່ງຂໍ້ມູນ: opennet.ru