著者

是枝 祐太 森下 皓文 今一 修 十河 泰弘

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会全国大会論文集 第37回 (2023) (ISSN:27587347)

巻号頁・発行日

pp.4Xin108, 2023 (Released:2023-07-10)

---

プログラムコードの再利用はソフトウェア開発における基本的な生産性向上方法であるが,コードレポジトリの説明文 (readme) は整備コストが高く,しばしばreadmeが整備されないことがコードの再利用を妨げている.近年報告された研究は関数・クラスなど数十行のコードに具体性の高いコメントを付与するが, readmeの生成においては数万から数百万行のコードを抽象的に要約して生成を行う必要があるため,コメント生成技術をreadme生成の問題にそのまま適用することはできない.本研究では,レポジトリが実施することの概要を示す代表的なコード断片 (代表コード) をヒューリスティクスと弱教師付き学習により抽出することで,大規模言語モデルでreadmeを生成できることを示した.主観評価と自動評価により,提案手法の有効性を確認した.

著者

佐藤 美沙 柳井 孝介 柳瀬 利彦 是枝 祐太 丹羽 芳樹

出版者

人工知能学会

雑誌

人工知能学会全国大会論文集 (ISSN:13479881)

巻号頁・発行日

vol.31, 2017

---

ディベートにおける立論文章生成を目的としたソフトウェアのデモンストレーション展示を行う。聴講者は「カジノを合法化すべきか」のような任意の論題を入力し、賛成・反対両方の立場からの意見文章を出力させることができる。データソースとして国会会議録データベースを利用し、会議発言を元に意見文章を生成する手法を提案する。また提案手法の評価結果について報告する。

著者

是枝 祐太 間瀬 久雄 柳井 孝介

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会論文誌 (ISSN:13460714)

巻号頁・発行日

vol.34, no.5, pp.F-IC1_1-11, 2019-09-01 (Released:2019-09-01)

参考文献数

27

---

Japan Patent Office manually annotates submitted patents with F-terms (a patent classification scheme consisting of more than 300,000 labels) to aid search for prior patent applications. Keeping up the quality of F-term annotation is critical to patentability assessments, thus there is a demand for an automatic way to assist F-term annotation. One potential solution is to point out annotation mistakes by utilizing machine learning-based classification. However, the annotators cannot validate the predicted corrections because conventional classification methods do not give the rationales behind the corrections. Thus, the annotators may only adopt all or no corrections. The goal of this study was to assist F-term annotation by presenting annotators with corrections on the F-term annotation and the rationales behind the corrections.We proposed a joint neural model for F-term annotation and rationale identification. The proposed method incorporates a large portion of data annotated only with F-terms and a small portion of data annotated with rationales. It was first trained for F-term annotation, and then fine-tuned using the ground-truth rationales to discriminate rationales from non-rationales.We evaluated the proposed method on multiple F-terms from different technical domains. The proposed method outperformed baseline methods in terms of the rationale identification, implying that incorporating rationales in training is particularly useful in identifying rationales.