公开(公告)号：CN114418033A

公开(公告)日：2022-04-29

申请号：CN202210170049.6

申请日：2022-02-24

Applicant: 南通大学

Inventor： 陈翔 ,  刘珂 ,  杨光 ,  曲豫宾 ,  周彦琳 ,  夏鸿崚 ,  顾亚锋 ,  于池

IPC: G06K9/62 ,  G06F40/289 ,  G06F16/35 ,  G06F8/41 ,  G06N3/08

Abstract: 本发明提供了一种基于CodeBert的代码编程语言分类方法，属于计算机应用技术领域。其技术方案为：包括以下步骤：(1)对原始数据集进行处理，去除其中的噪音，并使用BPE方法进行分词；(2)从CodeBert的每一层中提取表征信息作为表征信息序列，使用双向循环神经网络(Bi‑LSTM)和注意力机制关注可提供重要表征信息的层；(3)基于语料库对构建的模型进行训练，得到代码编程语言分类模型。本发明的有益效果为：该方法能快速识别源代码所属的编程语言类型，降低手工分类源代码编程语言的成本。

公开(公告)号：CN112947930A

公开(公告)日：2021-06-11

申请号：CN202110134579.0

申请日：2021-01-29

Applicant: 南通大学

Inventor： 陈翔 ,  刘珂 ,  杨光 ,  陈晓红 ,  于池

IPC: G06F8/41 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于Transformer的Python伪代码自动生成方法，包括以下步骤：S1、在Github上下载Python源代码和对应的伪代码以构建初始语料库，并对该语料库执行一系列预处理操作得到语料库；S2、将语料库分成训练集、验证集，训练集用于构建并训练模型，验证集用于进行模型优化；S3、基于上述构建的语料库，对构建的基于Transformer的CNN模型进行训练，利用结合位置编码方法以及注意力机制attention进行优化，得到伪代码自动生成模型。本发明的有益效果为：该方法可以帮助开发人员自动快速地生成具有较强可读性的伪代码，生成的伪代码准确地描述代码的实现功能和具体实现步骤。