公开(公告)号：CN112381280B

公开(公告)日：2023-01-24

申请号：CN202011231861.2

申请日：2020-11-06

Applicant: 北京航空航天大学

Inventor： 王田 ,  李浩晨 ,  吕金虎 ,  张宝昌

IPC: G06Q10/04 ,  G06N3/0464 ,  G06F40/253

Abstract: 本发明公开了一种基于人工智能的算法预测方法，包括：将待预测代码转化为距离抽象语法树；抽取距离抽象语法树中的距离抽象语法树路径；将距离抽象语法树路径转换为元组，对元组元素进行编码，合成token的向量表示；根据距离抽象语法树路径之间的相关性，整合其他路径信息到每一条路径上，获得具有长距离依赖的距离抽象语法树路径向量；构建神经网络模型，根据具有长距离依赖的距离抽象语法树路径预测代码名含义。本发明提供的基于人工智能的算法预测方法，可以有效地克服高信息熵代码的信息丢失问题，从而提高代码名含义预测的准确率，缓解命名不一致以及描述性差的问题，提高编程者的工作效率。

公开(公告)号：CN112381280A

公开(公告)日：2021-02-19

申请号：CN202011231861.2

申请日：2020-11-06

Applicant: 北京航空航天大学

Inventor： 王田 ,  李浩晨 ,  吕金虎 ,  张宝昌

IPC: G06Q10/04 ,  G06N3/04 ,  G06F40/253

Abstract: 本发明公开了一种基于人工智能的算法预测方法，包括：将待预测代码转化为距离抽象语法树；抽取距离抽象语法树中的距离抽象语法树路径；将距离抽象语法树路径转换为元组，对元组元素进行编码，合成token的向量表示；根据距离抽象语法树路径之间的相关性，整合其他路径信息到每一条路径上，获得具有长距离依赖的距离抽象语法树路径向量；构建神经网络模型，根据具有长距离依赖的距离抽象语法树路径预测代码名含义。本发明提供的基于人工智能的算法预测方法，可以有效地克服高信息熵代码的信息丢失问题，从而提高代码名含义预测的准确率，缓解命名不一致以及描述性差的问题，提高编程者的工作效率。