Auto-correction in structured code editors

Abstract

Programmers have to deal with the complexity required to use programming languages, and these difficulties include many typing mistakes made in code by the programmers, which can be considered frequent in a programmer’s daily activity. This dissertation work aims to create a tool on top of structured code editors, focusing on minimizing typing mistakes through auto-correction. The auto-correction tool has two modes, namely Post-Token and Post-Keystroke, in which the main difference is the way each one corrects the typed mistake. The Post-Keystroke mode focuses on a more immediate correction of user keystrokes, in which it is able to analyze the token the user is editing and correct any typing errors as soon as the user makes them. The Post-Token mode focuses on a more simplified correction, in which it waits for the user to finish editing the token and checks for any typed mistakes so that it can correct them. For the correctness criteria, Post-Keystroke and Post-Token modes will use different algorithms, respectively, the Hidden Markov Model based on calculating which sequence of unobservable states is most likely to have emitted the observable symbols received, and the Levenshtein Distance based on calculating the number of operations needed to transform one word into another.

Os programadores têm que lidar com a complexidade necessária para utilizar as linguagens de programação, e estas dificuldades incluem muitos erros de digitação cometidos no código pelos programadores, que podem ser considerados frequentes na atividade diária de um programador. Este trabalho de dissertação tem como objetivo criar uma ferramenta em cima de editores de código estruturado, focando na minimização de erros de digitação através da auto-correção. A ferramenta de auto-correção possui dois modos, nomeadamente Post-Token e Post-Keystroke, em que a principal diferença é a forma como cada um corrige o erro digitado. O modo Post-Keystroke foca-se numa correção mais imediata das teclas digitadas pelo utilizador, sendo capaz de analisar o token que o utilizador está a editar e corrigir quaisquer erros de digitação assim que o utilizador os comete. O modo Post-Token centra-se numa correção mais simplificada, em que espera que o utilizador termine de editar o token e verifica se existem erros de digitação para os poder corrigir. Para os critérios de correção, os modos Post-Keystroke e Post-Token utilizarão algoritmos diferentes, respetivamente, o Hidden Markov Model, baseado no cálculo da sequência de estados não observáveis mais provável de ter emitido os símbolos observáveis recebidos, e a Levenshtein Distance, baseada no cálculo do número de operações necessárias para transformar uma palavra noutra.