程序翻译器AI
客观的
该项目的目的是制作一个程序翻译AI，可以将代码从一种语言转换为另一种语言，以帮助开发人员迁移旧版代码并使协作更容易。为此，我们采用了一个基于Chen博士的论文的编码器架构和注意机制的树对树神经网络。
数据集
为我们的项目选择的语言是JavaScript和Coffeescript 。我们的培训数据集由100,000个样本程序和抽象的语法树组成。
模型
我们使用了带有父喂养注意力的编码器 – 编码器体系结构，以便更好地预测给定节点的翻译。编码器是一个树-lstm ，它从底部递归计算源树中每个子树的嵌入。然后，当生成翻译的树时，注意力计算源树中给定节点对应于目标树中生成的节点的概率。它还选择具有最高概率的节点，并将其嵌入到解码器上，然后从嵌入中生成目标语言的令牌。
Web应用程序
然后，将保存此模型以在我们的Blask Web应用程序中使用，该应用程序包含程序并显示翻译的输出。
