公开(公告)号：CN116383046A

公开(公告)日：2023-07-04

申请号：CN202310284459.8

申请日：2023-03-22

Applicant: 南通大学

Inventor： 文万志 ,  吴涛 ,  王楚越 ,  陈希希 ,  詹广生 ,  程实

IPC: G06F11/36 ,  G06F11/07 ,  G06N3/08 ,  G06N3/084 ,  G06N3/04 ,  G06N3/048 ,  G06F18/2433

Abstract: 本发明属于DNN错误定位技术领域，具体涉及一种针对深度神经网络DNN训练问题的错误定位方法。本发明包括以下步骤：S1、DNN模型准备；S2、DNN训练监控和数据收集；S3、第一次错误识别ADetection；S4、第二次错误识别DDetection；S5、错误定位ASTAnalysis。本发明提出的方法，可以精确地定位常见的DNN训练问题中的bug，该方法能有效提高定位DNN训练问题中的bug的效率，减少模型训练和调试的时间。本发明能够帮助软件开发人员提高DNN模型训练的效率，找到性能更好的DNN模型，进而改进软件的性能。

公开(公告)号：CN118296220A

公开(公告)日：2024-07-05

申请号：CN202410342642.3

申请日：2024-03-25

Applicant: 南通大学

Inventor： 陈希希 ,  程实 ,  文万志

IPC: G06F16/953 ,  G06F16/903 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084 ,  G06F8/75

Abstract: 本发明提供一种基于LSTM的智能检索API推荐方法，包括如下步骤：S1、收集一个包含源代码片段及其相关API的大型语料库，训练注意力编码器‑解码器模型；S2、捕获源代码的语法结构；S3、建立语法级和语义级信息检索库；S4、获取前k个相似的代码片段；S5、捕捉代码片段之间的语境信息和关联性；S6、融合条件概率和相似度对其进行解码，从而预测API。本发明基于LSTM和信息检索的方法可以有效缓解区分词汇相似性查询的语义差异，从而提高API推荐的有效性，选用无监督学习的方法，在没有训练的情况下，基于抽象语法树的单词序列利用其自动学习的性质，有效地度量了代码片段的语法相似性，从而更好地预测API。

公开(公告)号：CN116661797A

公开(公告)日：2023-08-29

申请号：CN202310543114.X

申请日：2023-05-15

Applicant: 南通大学

Inventor： 支宝 ,  王楚越 ,  陈希希 ,  文万志 ,  程实 ,  王则林

IPC: G06F8/41 ,  G06F8/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于代码补全技术领域，具体涉及一种词元粒度下基于加强Transformer的代码补全方法。本发明包括以下步骤：S1：收集Java代码段，构建代码语料库，将Java源代码展平转换为词元序列形式；S2：对数据使用BPE分词算法，利用子词来编码数据，获得模型所需要的词向量；S3：在模型框架方面，使用TransformerEncoder编码待学习词向量信息，通过TransformerDecoder解码获得待补全结果；S4：使用Talking‑HeadsAttention改进传统Transformer模型使用的Multi‑HeadAttention；S5：在推理解码阶段，使用波束搜索方法生成top5个推荐的补全代码，避免在代码补全阶段推荐列表中出现重复词元。本发明可以更好地利用源代码语义信息进行词元粒度代码补全，该方法能有效提高代码补全的准确性。

公开(公告)号：CN118916540A

公开(公告)日：2024-11-08

申请号：CN202410905144.5

申请日：2024-07-08

Applicant: 南通大学

Inventor： 陈希希 ,  程实 ,  文万志

IPC: G06F16/9535 ,  G06F8/70 ,  G06F16/33 ,  G06F40/284 ,  G06F40/30

Abstract: 本发明提供一种结合上下文增强基于查询的API推荐方法，包括以下步骤：S1、利用StackOverflow网站中收集查询语句、上下文和与之对应的API，构建三元组语料库；S2、利用查询语句训练词向量模型，并构建单词IDF词汇表；S3、利用三元组语料库检索给定用户查询的top‑k个相似元组；S4、将检索到的查询语句、以及相关的上下文和API构建张量；S5、根据非负张量分解完成张量中的缺失值；S6、利用基本局部相似性比对搜索工具算法匹配张量中的上下文，将得到的API推荐列表返回给用户。本发明将代码片段的上下文信息建模为张量，改进基于查询的API推荐，聚焦于更多的上下文信息，提高API推荐的有效性。

公开(公告)号：CN118173276A

公开(公告)日：2024-06-11

申请号：CN202410326371.2

申请日：2024-03-21

Applicant: 南通大学

Inventor： 陈希希 ,  支宝 ,  陈志强 ,  张金宝 ,  程实

IPC: G16H50/50 ,  G16H20/00 ,  G06N20/20 ,  G06F18/2431

Abstract: 本发明属于机器学习技术领域，具体涉及一种出血性脑卒中临床智能预测方法。本发明包括以下步骤：S1、时间‑血肿扩张风险评定模型建立；S2、时间‑血肿扩张风险评定模型求解；S3、1L1正则化逻辑回归模型建立与求解；S4、基于最优随机森林模型建立与求解；S5、对模型预测结果进行比较，得出最优结果。本发明方法用于预测和优化出血性脑卒中患者的预后和临床决策，对于提高患者的生存率和生活质量非常重要。本发明方法结合患者个人信息、治疗方案和预后等数据，构建一定的智能预测模型，有助于最大程度地提高治疗效果，减轻患者的症状，并改善预后，以及帮助医生明确导致预后不良的危险因素，为临床实践带来显著的进步。

公开(公告)号：CN117034135A

公开(公告)日：2023-11-10

申请号：CN202310778665.4

申请日：2023-06-29

Applicant: 南通大学

Inventor： 陈希希 ,  王楚越 ,  宗烜逸 ,  程实 ,  文万志

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/2113

Abstract: 本发明提供一种基于提示学习和双信息源融合的API推荐方法，包括如下步骤：S1、从SO问答网站StackOverflow中筛选出与API相关的问题，捕获对话文本中的单词；S2、从API参考文档中提取相关信息；S3、通过两类API知识的融合，构建基于启发式方法的API与问答QA的关系；S4、将融合的知识表示训练BERT变体模型RoBERTa；S5、输入查询语句得到一组候选API；S6、利用提示学习计算概率对候选API进行重排序。本发明利用双信息源融合，来提高API检索的效率，API参考文档和SO问答网站相互补充，可共同为API查询与检索提供支持。本发明在训练模型阶段，不同于以往对模型的微调，将查询语句作为提示符，提供了足够的上下文信息使RoBERTa模型适应API推荐任务，提高了API推荐的准确性。