[发明专利]基于机器学习的源程序自动标注方法

权利要求书

1.一种基于机器学习的源程序自动标注方法，其特征在于，包括：

步骤1：采用双编码器对源程序进行预处理，提取程序特征；

步骤2：利用GRU解码器进行模型训练，实现对源程序的自动描述。

2.根据权利要求1所述的基于机器学习的源程序自动标注方法，其特征在于，所述步骤1包括：

步骤1.1：采用Bi-GRU序列编码器提取源程序序列特征向量；

步骤1.2：采用TreeLSTM结构树编码器提取源程序结构特征向量。

3.根据权利要求2所述的基于机器学习的源程序自动标注方法，其特征在于，所述步骤1.1包括：

步骤1.1.1：将Bi-GRU层几个单变量连接的特征向量作为序列编码器的表示向量V^s。

4.根据权利要求2所述的基于机器学习的源程序自动标注方法，其特征在于，所述步骤1.2包括：

步骤1.2.1：将程序语句转化为抽象语法树序列x＝(x₁，x₂...，x_n)；

步骤1.2.2：使用树形TreeLSTM提取抽象语法树的结构信息；

TreeLSTM更新后的规则如下：

f_jk＝σ(W_f·x_j+U_f·h_k+b_f)

h_t＝o_j*tanh(c_j)

c_j＝i_j*u_j+∑_k∈C(j)f_jk*c_k

式中：其中c(j)表示抽象语法树中第j个节点的孩子节点集合，k∈C(j)；f_jk遗忘门；i_j输入门；o_j输出们；*表示两个向量进行点乘；x_t是本时刻输入的字；W_f，U_f，W_i，U_i，W_o，U_o，分别为各个门的权重矩阵；σ是逻辑函数。

步骤1.2.3：对抽象语法树自底向上的更新，最终生成的树编码器表示向量用V^t表示。

5.根据权利要求1所述的基于机器学习的源程序自动标注方法，其特征在于，所述步骤2包括：

步骤2.1：注释关键词提取；

步骤2.2：解码器注释自动生成模型。

6.根据权利要求4所述的基于机器学习的源程序自动标注方法，其特征在于，所述步骤2.1包括：

步骤2.1.1：对程序中所有注释进行提取：①遇到“//”，②遇到“/*”开始，遇到“*/”结束；

步骤2.1.2：采用基于机器学习的双向LSTM的分词方法，对提取出的所有注释词进行分词、关键词提取；

步骤2.1.3：利用python对分词后的结果进行降重；

步骤2.1.4：将分词、降重之后的词整合成字典并进行编码，然后根据每个单词的编号生成其独有的one-hot向量。

7.根据权利要求4所述的基于机器学习的源程序自动标注方法，其特征在于，所述步骤2.2包括：

步骤2.2.1：采用单向GRU网络解码器作为注释生成模型，对两个编码器所得到的向量进行拼接，作为输入初值V₀。

V₀＝[V^s，V^t]

步骤2.2.2：通过不断地调整权重参数训练解码器模型。

8.根据权力要求6所述的对基于机器学习的源程序自动标注方法，其特征在于，步骤2.2.1的GRU解码器，输入为两个编码器所得向量的拼接，输出则是步骤2.1所得的注释关键词向量，在解码的过程中，通过不断的对权重进行调整来实现对神经网络的训练，使输入与输出形成一对一、多对一的关系，实现对程序的自动注释。