[发明专利]一种数字化交易类智能合约基础代码生成方法

权利要求书

1.一种数字化交易类智能合约基础代码生成方法，其特征在于，包括以下步骤：

步骤(1)爬取以太坊区块链上已公开的各应用领域智能合约代码数据，并通过Python程序实现智能合约数据集合中代码去除停用词、代码注释、空格去除，建立词库预处理操作，最终将筛选和预处理后的智能合约数据作为学习数据集合；

步骤(2)通过文档主题生成模型LDA(Latent Dirichlet Allocation)对步骤(1)各领域智能合约数据集合构建智能合约特征矩阵来完成智能合约特征矢量化，实现智能合约应用模式特征提取，得到不同领域的智能合约应用模式特征向量集；

步骤(3)应用高斯混合模型算法GMM(Gaussian mixture model)对智能合约数据集进行聚类，将步骤(2)中LDA提取的智能合约应用模式特征向量集作为GMM算法的输入数据，实现不同应用领域的智能合约分类。具体过程为：首先选择k聚类簇，随机初始化每个聚类的高斯分布参数；给定每个聚类的高斯分布，计算每个数据点属于特定聚类的概率；根据计算的概率值，重新设置新的参数进行加权计算，重复迭代加权计算直到收敛，最终获得k个应用领域智能合约分类集合；

步骤(4)利用步骤(2)、(3)获得的不同应用领域的智能合约分类结果，选取数字化交易类智能合约数据，应用SeqGAN(Sequence Generative Adversarial Nets，序列生成对抗网络)学习智能合约逻辑特征生成智能合约基本代码片段，形成交易类智能合约基本代码库，最后为区块链数字化交易场景提供模板化的智能合约。

2.根据权利要求1所述的一种数字化交易类智能合约基础代码生成方法，其特征在于：所述步骤(4)中，SeqGAN由生成器G和判别器D构成，G采用循环神经网络结构LSTM实现；判别器D采用CNN(Convolutional Neural Networks,卷积神经网络)；同时为了使CNN的分类效果更好，在CNN的基础上增加一个高速网，解决随着CNN网络深度加深，梯度信息回流受阻造成网络训练困难的问题；在对SeqGAN训练过程中，根据判别器D网络回传的判别概率通过增强学习更新生成器G，生成器G的目标是尽量生成与原始智能合约代码接近的结果去欺骗判别器D；而判别器D的最终目标是把生成器G生成的结果和真实智能合约代码区分开，在整个训练过程中生成器G和判别器D为博弈双方，生成器G捕捉样本智能合约代码数据的分布，判别器D是一个分类器，用于判断输入的结果是来自于训练智能合约代码数据的概率；由此实现的SeqGAN网络，解决序列数据历史信息容易丢失，出现梯度消失，SeqGAN网络还借助梯度下降算法和损失函数对每一次的预测输出进行修正，使得训练得到SeqGAN网络自动生成代码的损失尽可能小。

3.根据权利要求2所述的一种数字化交易类智能合约基础代码生成方法，其特征在于：所述生成器G和判别器D采用交替优化的方式形成一个动态的博弈过程，生成器G和判别器D之间的关系定义为：

GAN的优化问题是一个极小-极大化问题,GAN的目标函数为其中x为真实数据，z为随机变量，p_z(z)为随机变量服从的分布，E(·)表示计算期望值，p_data(x)真实数据服从的分布，G(z)则为由G生成的服从真实智能合约代码数据分布p_data(x)的样本，D(x)为判断输入x来源于data这个数据分布的概率的判别器函数。

4.根据权利要求1所述的一种数字化交易类智能合约基础代码生成方法，其特征在于：所述步骤(4)中，生成的交易类智能合约基础代码包括三类：基础方法代码、标准接口代码以及基础合约代码。