순환 인공 신경망을 활용한 코드 변경 추천 시스템의 학습 시간 단축 방법 연구

Abstract

개발자에게 수정이 필요한 파일을 추천하는 시스템은 개발자의 작업 시간을 줄여주는 역할을 한다. 하지만 이러한 추천 시스템은 축적된 데이터를 학습할 때 많은 시간이 든다. 순환 인공 신경망을 이용하는 코드 변경 추천 시스템(RNN-CRS)은 성능이 좋은 학습 모델을 생성하기 위해 적절한 슬라이딩 윈도우 크기를 구해야 하는데, 이 과정에 RNN-CRS은 슬라이딩 윈도우 크기를 변경해가며 반복하여 데이터를 학습하기 때문에 많은 시간을 소모하게 된다. 본 연구는 RNN-CRS의 학습의 반복을 줄여 학습에 소요되는 시간을 줄이는 방법을 제안한다. 제안한 방법은 데이터가 축적되어 학습 모델을 다시 생성하기 위하여 적절한 슬라이딩 윈도우 크기를 구할 때 기존 연구에 비해 소요되는 시간을 최대 약 1/(학습에 이용했던 슬라이딩 윈도우 개수)까지 줄인다.