改进的卷积神经网络源代码相似性度量方法

• 作者: 刘小洋 张文斌 蔺疆旭 谢春丽 黄军伟
• 来源期刊: 应用数学和力学
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 代码相似性 词嵌入
• 年，卷（期）: 2019,（11）
• 页码范围: 1235-1245
• 页数: 11页
• 分类号: TP311
• 语种: 中文
• DOI: 10.21656/1000-0887.400221

摘要

源代码相似性是指不同代码段功能上的相似程度,是软件工程领域一项重要的研究问题.现有的方法主要从文本、结构两方面,利用代码的统计学特征计算相似性,其最大缺点就是无法表达代码的语义特征.为解决此类问题,提出了一种融合统计信息的卷积神经网络(statistics informa-tion for code embedding-convolutional neural networks,SICE-CNN)源代码相似性检测方法.该方法首先通过词嵌入对源代码进行信息表示,获取代码的词嵌入向量信息;其次,构建CNN训练模型学习源代码文档的嵌入表示;最后,计算源代码对的余弦相似值.实验表明,该方法和一般词嵌入方法相比提高了一定的性能,能较好地检测源代码的语义相似性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢春丽	江苏师范大学计算机科学与技术学院	11	46	4.0	6.0
2	张文斌	江苏师范大学计算机科学与技术学院	10	4	1.0	2.0
3	蔺疆旭	江苏师范大学计算机科学与技术学院	1	0	0.0	0.0
4	刘小洋	江苏师范大学计算机科学与技术学院	3	1	1.0	1.0
5	黄军伟	江苏师范大学计算机科学与技术学院	3	1	1.0	1.0