$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 온라인 저지 시스템 지원을 위한 Feature-Wise Linear Modulation 기반 소스코드 문맥 학습 모델 설계
Learning Source Code Context with Feature-Wise Linear Modulation to Support Online Judge System 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.11 no.11, 2022년, pp.473 - 478  

현경석 (고려대학교 컴퓨터학과) ,  최우성 ,  정재화 (한국방송통신대학교 컴퓨터과학과)

초록
AI-Helper 아이콘AI-Helper

온라인 저지 시스템 지원하기 위한 표절 검사, 소스코드 분석 및 자동화된 튜터링 기법이 연구되고 있다. 최근 딥러닝 기술 기반의 소스코드 유사도 분석을 통한 표절 감지 기술들이 제안되었으나, 자동화된 튜터링을 지원하기 위한 딥러닝 기반의 연구는 미흡한 실정이다. 따라서 본 논문에서는 자바 바이트코드와 문제정보를 결합하여 학습하고, 학습자가 온라인 저지 시스템에 코드를 제출하기 전에 pass/fail 여부를 예측할 수 있는 GRU 기반의 Input / Output side FiLM 모델을 제안한다. 또한 온라인 저지에 수집되는 데이터의 특성상 비대칭이 발생하기 때문에 밸런스 샘플링 기법을 적용하여 데이터를 균등하게 분포시켜 두 상황을 제안한 모델로 학습하였다. 실험 결과 Input side FiLM 모델이 가장 높은 73.63%의 성능을 보였다. 이를 기반으로 학습자들이 온라인 저지의 평가를 받기 전에 pass/faill 여부를 확인하여 소스코드 개선에 대한 피드백 기능에 적용 가능할 것으로 예상된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Evaluation learning based on code testing is becoming a popular solution in programming education via Online judge(OJ). In the recent past, many papers have been published on how to detect plagiarism through source code similarity analysis to support OJ. However, deep learning-based research to supp...

주제어

#딥러닝   #온라인 저지  

표/그림 (6)

참고문헌 (14)

  1. Leetcode - The World's Leading Online Programming Learning Platform [Internet], https://leetcode.com/. 

  2. Baekjoon Online Judge [Internet], https://www.acmicpc.net/. 

  3. H. S. Mun, S. H. Kim, J. H. Kim, and Y. S. Lee, "A sourcecode similarity-based automatic tutoring method for online coding test service," Journal of KIISE, Vol.48, No.9, pp.1044-1051, 2021. 

  4. J. H. Ji, G. Woo, and H. G. Cho, "A plagiarism detection technique for Java program using bytecode analysis," Journal of KIISE Software and Applications, Vol.35, No.7, pp.442-451, 2008. 

  5. J. W. Son, S. B. Park, and S. Y. Park, "Program plagiarism detection using parse tree kernels," Pacific Rim International Conference on Artificial Intelligence, Springer, Berlin, Heidelberg, pp.1000-1004, 2006. 

  6. L. Prechelt, G. Malpohl, and M. Philippsen. "Finding plagiarisms among a set of programs with JPlag," Journal of Universal Computer Science, Vol.8, No.11, pp.1016-1038, 2002. 

  7. R. Gupta, S. Pal, A. Kanade, and S. Shevade, "Deepfix: Fixing common c language errors by deep learning," Thirty-First AAAI Conference on Artificial Intelligence, Vol.31, No.1, 2017. 

  8. U. Z. Ahmed, P. Kumar, A. Karkare, and S. Gulwani, "Compilation error repair: For the student programs, from the student programs," Proceedings of the 40th International Conference on Software Engineering: Software Engineering Education and Training, pp.78-87, 2018. 

  9. S. Bhatia, P. Kohli, R. Singh, P. Kohli, and R. Singh, "Neurosymbolic program corrector for introductory programming assignments," 2018 IEEE/ACM 40th International Conference on Software Engineering, pp.60-70, 2018. 

  10. S. Wang, D. Chollak, and D. Movshovitz-Attias, "Bugram: Bug detection with n-gram language models," Proceedings of the 31st IEEE/ACM International Conference on Automated Software Engineering, pp.708-719, 2016. 

  11. Y. Pu, K. Narasumhan, A. Solar-lezama, and R. Barzilay "sk_p: A neural program corrector for MOOCs," Companion Proceedings of the 2016 ACM SIGPLAN International Conference on Systems, Programming, Languages and Applications: Software for Humanity, pp.39-40, 2016. 

  12. M. Vasic, A. Kanade, P. Maniatis, D. Bieber, and R. Singh, "Neural program repair by jointly learning to localize and repair," arXiv preprint arXiv:1904.01720, 2019. 

  13. R. Gupta, A. Kanade, and S. Shevade, "Neural attribution for semantic bug-localization in student programs," Advances in Neural Information Processing Systems, 2019. 

  14. E. Perez, F, Strub, H. DE Vries, V. Dumoulin, and A. Courville, "Film: Visual reasoning with a general conditioning layer," Proceedings of the AAAI Conference on Artificial Intelligence, Vol.32, No.1, 2018. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로