近日，我中心自然语言处理研究组一篇论文被IEEE/ACM Transactions on Audio, Speech and Language Processing（T-ASLP）期刊录用。T-ASLP期刊是是音频、声学、语言信号处理的顶级期刊，在CCF学术推荐列表中认定为B类刊物，清华计算机学术推荐列表中认定为A类刊物。录用文章题目为An AST Structure Enhanced Decoder for Code Generation，由我中心2020级硕士研究生蒋辉，腾讯西雅图AI Lab宋霖峰博士，伊利诺伊大学厄巴纳-香槟分校葛毓彬博士，腾讯微信孟凡东博士，我中心姚俊峰教授，苏劲松教授（通讯作者）合作完成。
本工作针对现有代码生成模型——Seq2tree模型对已生成代码的AST结构信息利用不足的缺陷，提出AST结构信息增强的解码器。具体而言，本工作对解码器的改进主要分为两个部分：1、利用更为详尽的历史结构信息来改善注意力机制，包括树上的语法距离、动作类型和树的相对位置信息；2、利用未来兄弟节点信息，解码器先预测点当前节点最近的兄弟节点，此类信息能很好的补充当前节点对全局结构信息的利用。论文在多个公开数据集上进行实验，实验结果充分证明了此解码器的有效性和通用性。
