| dc.contributor.advisor | Webber, Carine Geltrudes | |
| dc.contributor.author | Guimarães, Matheus Feijó Ferreira | |
| dc.contributor.other | Boff, Elisa | |
| dc.contributor.other | Krohn, Alexandre | |
| dc.date.accessioned | 2022-03-21T16:38:08Z | |
| dc.date.available | 2022-03-21T16:38:08Z | |
| dc.date.issued | 2021-12-14 | |
| dc.date.submitted | 2021-12-02 | |
| dc.identifier.uri | https://repositorio.ucs.br/11338/9704 | |
| dc.description | A complementação de código é uma funcionalidade desejável a ambientes de desenvolvimento integrados. Diversos são os desafios encontrados na sua implementação. As linguagens apresentam inúmeras classes, métodos, interfaces e recursos. Por isso, recomendar ou indicar comandos, instruções implica em analisar inúmeras possibilidades. A funcionalidade de complementação de código permite uma melhor assertividade durante o processo de desenvolvimento. Em termos de métodos aplicados, a revisão sistemática da literatura indicou fortemente o uso de técnicas de processamento de linguagem natural, dentre elas os modelos neurais apresentaram alta taxa de uso. As redes neurais recorrentes destacam-se pela capacidade de considerar valores anteriores ao gerar a predição, essa capacidade foi fortemente indicada como proveitosa para a complementação de código. Este projeto visa avaliar variações de redes neurais recorrentes para tarefas de complementação para a linguagem de programação Python focadas em recomendações para interface de programação de aplicações. Sendo para isto testados diversas variações de redes neurais recorrentes. [resumo fornecido pelo autor] | pt_BR |
| dc.description.abstract | Code completion is a desirable feature for Integrated development environment. Several are the challenges encountered in its implementation. Languages present innumerable classes, methods, interfaces and resources. Therefore, recommending or indicating commands, instructions implies analyzing countless possibilities. The code completion functionality allows for better assertiveness during the development process. In terms of applied methods, the systematic literature review strongly indicated the use of natural language processing techniques, among which neural models showed a high rate of use. The recurrent neural network stand out for their ability to consider previous values when generating the prediction, this ability was strongly indicated as fruitful for code completion. This project aims to evaluate variations of recurrent neural network for completion tasks for the Python programming language focused on recommendations of application programming interface . For this purpose, several variations of recurrent neural network will be tested. [resumo fornecido pelo autor] | pt_BR |
| dc.language.iso | pt | pt_BR |
| dc.subject | Computação | pt_BR |
| dc.subject | Redes neurais (Computação) | pt_BR |
| dc.title | Avaliando as redes neurais recorrentes na complementação de código | pt_BR |
| dc.type | Artigo | pt_BR |
| mtd2-br.advisor.instituation | Universidade de Caxias do Sul | pt_BR |
| mtd2-br.program.name | Bacharelado em Ciência da Computação | pt_BR |
| mtd2-br.campus | Campus Universitário de Caxias do Sul | pt_BR |
| local.data.embargo | 2021-12-13 | |
