Система поиска специфицированных программных компонентов на естественном языке
- 1,2 Национальный исследовательский ядерный университет «МИФИ» (Москва, Россия)
Аннотация
Постановка проблемы. Значительный объем трудозатрат при разработке программных систем часто состоит в подборе и интеграции существующих компонентов. При этом средства поиска компонентов сводятся к текстовому поиску по их описаниям. Это требует человеческого труда по проверке найденного кода, так как он может не соответствовать заданному описанию. Инструменты формального доказательства дают возможность описывать спецификации программ в виде типов, а также проводить поиск по этим спецификациям, но требуют от пользователя знания синтаксиса формального языка типов. Данная работа предлагает подход к поиску программных компонентов на естественном языке, основанный в то же время на верифицированных ти́повых спецификациях программ, формализованных в системе Coq.
Цель. Разработать систему текстового поиска типизированных программных компонентов с поддержкой структуры формул Coq по естественно-языковым запросам.
Результаты. Реализован прототип системы, предназначенной для естественно-языкового поиска программных компонентов по верифицированным спецификациям. В качестве спецификаций применены типовые определения на языке Coq. Для перевода выражений с естественного языка использована нейросетевая модель на основе подхода кодировщик-декодировщик.
Практическая значимость. Реализованный прототип дает пример архитектуры для организации репозиториев программных компонентов с целью упрощения поиска и подбора хранимых в них программ по естественно-языковым запросам.
- Поступила
- 29.08.2024
- Одобрена
- 12.09.2024
- Принята
- 27.09.2024
Для цитирования
Шапкин П.А., Сидоров А.Д. Система поиска специфицированных программных компонентов на естественном языке // Информационно-измерительные и управляющие системы. 2024. № 5. С. 80–87. DOI: https://doi.org/10.18127/j20700814-202405-09
Список источников
- Annenkov D. и др. Extracting functional programs from Coq, in Coq // arXiv:2108.02995 [cs]. 2021.
- Вольфенгаген В.Э. Комбинаторная логика в программировании. Вычисления с объектами в примерах и задачах. Изд. 3-е, дополн. и перераб. М.: Институт «ЮрИнфоР МГУ». 2008.
- Coq documentation. Introduction and contents // Introduction and Contents - Coq 8.15.0 documentation.
- Woods W.A. Progress in Natural Language Understanding: An Application to Lunar Geology // Proceedings of the June 4−8 1973. National Computer Conference and Exposition. New York. NY. USA: Association for Computing Machinery. 1973. С. 441−450.
- Martinez-Gomez P. et al. ccg2lambda: A Compositional Semantics System. 2016. С. 85−90.
- Vaswani A. и др. Attention Is All You Need. 2017.
- Cho K. et al. On the Properties of Neural Machine Translation: Encoder-Decoder Approaches // arXiv. 2014.
- Levkovskyi O., Li W. Generating Predicate Logic Expressions from Natural Language // SoutheastCon. 2021. С. 1−8.
- Hochreiter S., Schmidhuber J. Long Short-Term Memory // Neural Computation. 1997. Т. 9. № 8. С 1735−1780.
- Chung J. и др. Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling // CoRR. 2014. Т. abs/1412.3555.
- ANTLR. ANTLR (ANother Tool for Language Recognition). 2023.
- Bahdanau D., Cho K., Bengio Y. Neural Machine Translation by Jointly Learning to Align and Translate // arXiv. 2014.
- OpenAI. GPT-4 Technical Report. 2023.