[论文解读] Software Language Comprehension using a Program-Derived Semantic Graph

Roshni G. Iyer, Yizhou Sun+2 more|arXiv (Cornell University)|Apr 2, 2020

Software Engineering Research参考文献 16被引用 7

一句话总结

本文提出了程序派生语义图（PSG），这是一种新颖的图形结构，能够跨多个抽象层次捕捉程序语义，克服了传统代码表示形式（如AST和IR）的局限性。PSG通过一种学习得到的、无需规则的结构化模型，实现了高阶语义的提取，显示出作为自动化程序理解基础方法的早期潜力。

ABSTRACT

Traditional code transformation structures, such as abstract syntax trees (ASTs), conteXtual flow graphs (XFGs), and more generally, compiler intermediate representations (IRs), may have limitations in extracting higher-order semantics from code. While work has already begun on higher-order semantics lifting (e.g., Aroma's simplified parse tree (SPT), verified lifting's lambda calculi, and Halide's intentional domain specific language (DSL)), research in this area is still immature. To continue to advance this research, we present the program-derived semantics graph, a new graphical structure to capture semantics of code. The PSG is designed to provide a single structure for capturing program semantics at multiple levels of abstraction. The PSG may be in a class of emerging structural representations that cannot be built from a traditional set of predefined rules and instead must be learned. In this paper, we describe the PSG and its fundamental structural differences compared to state-of-the-art structures. Although our exploration into the PSG is in its infancy, our early results and architectural analysis indicate it is a promising new research direction to automatically extract program semantics.

研究动机与目标

• 解决传统代码表示形式（如AST、XFG和编译器IR）在捕捉高阶语义方面的局限性。
• 开发一种统一的结构化表示，能够以不同抽象层次建模程序语义。
• 探索一类不依赖预定义规则、而是从代码中学习的新程序表示形式。
• 通过引入一种有前景且可扩展的语义提取框架，推动自动化程序理解研究的发展。

提出的方法

• 设计程序派生语义图（PSG）作为图形结构，以超越语法和控制流边界的范围建模程序语义。
• 将数据流、控制流和语义关系整合到一个统一且可扩展的图结构中，以构建PSG。
• 利用机器学习原理，从代码中学习PSG的构建规则，而非依赖手工编写的语法或转换规则。
• 通过架构分析，评估PSG在表达能力和可扩展性方面相较于现有表示形式（如AST和IR）的表现。
• 通过早期实验评估，检验PSG在真实代码库中捕捉高阶语义模式的能力。
• 聚焦于PSG与最先进表示形式之间的结构差异，突出其在更丰富语义建模方面的潜力。

实验结果

研究问题

• RQ1 如何使程序表示能够捕捉超越传统AST和IR表达能力的高阶语义？
• RQ2 PSG的哪些结构特性使其在程序理解方面优于现有表示形式？
• RQ3 是否能够通过学习而非预定义转换规则，自动构建语义图？
• RQ4 PSG在程序语义建模中支持多级抽象的程度如何？
• RQ5 在自动化代码分析背景下，PSG具有哪些架构和表示优势？

主要发现

• PSG通过在一个统一图结构中整合语法、控制和语义关系，展示了一种程序语义建模的新方法。
• PSG不受预定义转换规则的限制，能够从代码数据中学习，这使其与传统IR和AST有本质区别。
• 架构分析表明，PSG在建模高阶语义模式方面比最先进表示形式具有更强的表达能力。
• 早期结果表明，PSG是未来自动化程序理解与语义提升研究的有前途基础。
• PSG支持多级抽象，能够在不同粒度的程序理解中实现灵活分析。