本稿では、コード分類の問題を解決するために、従来のAST（Abstract Syntax Tree）ベースおよびGNN（Graph Neural Network）ベースの方法の制限を克服する新しいアプローチを紹介します。従来の方法はペアワイズ関係のみを考慮して高次元データ相関関係を無視するのに対し、本論文では異種方向的超グラフ（HDHG、Heterogeneous Directed Hypergraph）を用いてASTを表現し、これを処理する異種方向的超グラフニューラルネットワーク（HDHGN、Heterogenegraphs）。 HDHGには、ノードタイプ、エッジタイプ、子ノードと親ノード間の方向性など、より豊富な構造的およびセマンティックな情報が含まれており、高次元データ相関を効果的にモデル化できます。 PythonとJavaプログラムのパブリックデータセットを使用した実験の結果、提案されたHDHGNは従来の方法よりも優れたパフォーマンスを示すことがわかりました。
