[发明专利]基于神经网络的智能编程语言程序翻译方法系统

权利要求书

1.一种基于神经网络的智能编程语言程序翻译方法，其特征在于，包括：

步骤1、构建用于将源语言程序翻译为目标语言程序的正向模型，以及将目标语言程序为源语言程序的反向模型；根据源语言程序库和目标语言程序库，通过反向翻译训练该正向模型和该反向模型，得到正翻译模型和反翻译模型；

步骤2、将待翻译的源语言程序输入该正翻译模型，将得到的多个候选结果输入重排序模型，得到各候选结果的分数，选择分数最高的候选结果作为该源语言程序的翻译结果。

2.如权利要求1所述的基于神经网络的智能编程语言程序翻译方法，其特征在于，该步骤1包括：

从源语言程序库中选定程序作为第一训练目标输入该正向模型，得到第一目标语言，将该中间目标语言输入该反向模型，得到第一源语言，根据该第一源语言和该第一训练目标构建第一损失，训练该正向模型和该反向模型；

同时从目标语言程序库中选定程序作为第二训练目标输入该反向模型，得到第二源语言，将该第二源语言输入该正向模型，得到第二目标语言，根据该第二目标语言和该第二训练目标构建第二损失，训练该正向模型和该反向模型；

直到该第一损失和该第二损失收敛，分别保存当前正向模型和反向模型作为该正翻译模型和该反翻译模型。

3.如权利要求1所述的基于神经网络的智能编程语言程序翻译方法，其特征在于，该重排序模型的训练包括：

从该目标语言程序库中选择程序x输入该反翻译模型，生成一个中间源程序，将该中间源程序输入该正翻译模型，得到多个候选结果，归一化重排序模型对每个候选结果的预测分数，得到输出分布；

以该程序x作为基准，得到每个候选结果的正确分数，作为输出分布，通过最小化该输出分布和该输出分布之间的散度，对该重排序模型进行训练。

4.如权利要求1所述的基于神经网络的智能编程语言程序翻译方法，其特征在于，该源语言为C、Python或Java语言，该目标语言为CUDA语言或BANG语言。

5.一种基于神经网络的智能编程语言程序翻译系统，其特征在于，包括：

初始模块，用于构建将源语言程序翻译为目标语言程序的正向模型，以及将目标语言程序为源语言程序的反向模型；根据源语言程序库和目标语言程序库，通过反向翻译训练该正向模型和该反向模型，得到正翻译模型和反翻译模型；

翻译模块，用于将待翻译的源语言程序输入该正翻译模型，将得到的多个候选结果输入重排序模型，得到各候选结果的分数，选择分数最高的候选结果作为该源语言程序的翻译结果。

6.如权利要求5所述的基于神经网络的智能编程语言程序翻译系统，其特征在于，该初始模块用于：

从源语言程序库中选定程序作为第一训练目标输入该正向模型，得到第一目标语言，将该中间目标语言输入该反向模型，得到第一源语言，根据该第一源语言和该第一训练目标构建第一损失，训练该正向模型和该反向模型；

同时从目标语言程序库中选定程序作为第二训练目标输入该反向模型，得到第二源语言，将该第二源语言输入该正向模型，得到第二目标语言，根据该第二目标语言和该第二训练目标构建第二损失，训练该正向模型和该反向模型；

直到该第一损失和该第二损失收敛，分别保存当前正向模型和反向模型作为该正翻译模型和该反翻译模型。

7.如权利要求5所述的基于神经网络的智能编程语言程序翻译系统，其特征在于，该重排序模型的训练包括：

从该目标语言程序库中选择程序x输入该反翻译模型，生成一个中间源程序，将该中间源程序输入该正翻译模型，得到多个候选结果，归一化重排序模型对每个候选结果的预测分数，得到输出分布；

以该程序x作为基准，得到每个候选结果的正确分数，作为输出分布，通过最小化该输出分布和该输出分布之间的散度，对该重排序模型进行训练。

8.如权利要求5所述的基于神经网络的智能编程语言程序翻译系统，其特征在于，该源语言为C、Python或Java语言，该目标语言为CUDA语言或BANG语言。