基于词嵌入的源码相似度研究

• 作者: 钱程 谢春丽 王梦琦 权雷
• 来源期刊: 软件导刊
• 关键词: N-gram TF-IDF Word2Vec 词嵌入 代码相似度
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 计算机软件与理论
• 页码范围: 97-101
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.202171

摘要

源码相似性度量是代码推荐、缺陷监测、代码搜索等很多软件工程领域任务的基础工作.传统的源码相似性度量方法主要利用统计方法从代码的结构属性、文本特性两方面进行度量,缺乏对代码的语义相似性研究.为解决此类问题,在词嵌入基础上提出结合TF-IDF和Word2vec的向量空间模型,利用向量间距离衡量代码间的相似性,融合代码的语义信息和统计信息.实验结果表明,相比于传统基于统计的方法,该模型效果提高了15％.