Deep Transcoding

Abstract

In this thesis, we are trying to inform one of the most important applied fields interested in processing natural languages by means of the computer, which is the field of machine translation between the codes of programming languages by means of neural machine translation. Converting source code from one old programming language to another that meets the requirements of the times is very expensive and requires a lot of time and expertise in both languages, so companies, governments and others often have to translate their databases manually or stay with the old ones, which lack development opportunity. Today, we cannot abandon this technology that allows the translator to save time, effort and money and obtain a translation in record time. In this thesis, we are trying to research whether the outputs of neural machine translation are compatible with the quality and quality that a person can provide? and Is it possible to dispense with the human being in translating the entire context of the codes? On this thesis, we propose implementing modern approaches to machine translation by utilizing a large amount of source code from RosettaCode and Bitbucket to train a model TransCoder to translate between C++ and Java. We created a test suite made up of a bunch of parallel jobs, side by side. Although the model was not equipped with parallel data, it was able to translate the functions with high accuracy, and align the functions correctly.

في هذه المذكرة نحاول إعلام أحد أهم المجالات التطبيقية المهتمة بمعالجة اللغات الطبيعية عن طريق الكمبيوتر، وهو مجال الترجمة الآلية بين أكواد لغات البرمجة عن طريق الترجمة الآلية العصبية, يعد تحويل الكود المصدري من لغة برمجة قديمة إلى أخرى تفي بمتطلبات العصر مكلفًا للغاية ويتطلب الكثير من الوقت والخبرة في كلتا اللغتين، لذلك يتعين على الشركات والحكومات وغيرها في كثير من الأحيان ترجمة قواعد البيانات الخاصة بهم يدويًا أو البقاء مع القديم تلك التي تفتقر إلى فرص التنمية. اليوم، لا يمكننا التخلي عن هذه التقنية التي تسمح للمترجم بتوفير الوقت والجهد والمال والحصول على الترجمة في وقت قياسي. في هذه الأطروحة، نحاول البحث فيما إذا كانت مخرجات الترجمة الآلية العصبية متوافقة مع الجودة والنوعية التي يمكن أن يقدمها الشخص؟ وهل من الممكن الاستغناء عن الإنسان في ترجمة السياق الكامل للأكواد؟ في هذه المذكرة، نقترح تطبيق مناهج حديثة للترجمة الآلية من خلال استخدام كمية كبيرة من شفرة المصدر من موقع RosettaCode وموقع Bitbucket لتدريب نموذج TransCoder للترجمة بين لغتين C ++ و Java. قمنا بإنشاء مجموعة اختبار مكونة من مجموعة من وظائف متوازية، جنبًا إلى جنب. على الرغم من عدم تزويد النموذج ببيانات متوازية، إلا أنه كان قادرًا على ترجمة الوظائف بدقة عالية، ومحاذاة الوظائف بشكل صحيح