Mostrar el registro sencillo del ítem

dc.contributor.advisorWebber, Carine Geltrudes
dc.contributor.authorGuimarães, Matheus Feijó Ferreira
dc.contributor.otherBoff, Elisa
dc.contributor.otherKrohn, Alexandre
dc.date.accessioned2022-03-21T16:38:08Z
dc.date.available2022-03-21T16:38:08Z
dc.date.issued2021-12-14
dc.date.submitted2021-12-02
dc.identifier.urihttps://repositorio.ucs.br/11338/9704
dc.descriptionA 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.abstractCode 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.isoptpt_BR
dc.subjectComputaçãopt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.titleAvaliando as redes neurais recorrentes na complementação de códigopt_BR
dc.typeArtigopt_BR
mtd2-br.advisor.instituationUniversidade de Caxias do Sulpt_BR
mtd2-br.program.nameBacharelado em Ciência da Computaçãopt_BR
mtd2-br.campusCampus Universitário de Caxias do Sulpt_BR
local.data.embargo2021-12-13


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem