[发明专利]一种代码处理的方法、装置、介质及电子设备

权利要求书

1.一种代码处理的方法，其特征在于，所述方法包括：

获取待处理的源代码数据；

根据所述源代码数据和代码多视角特征提取及表征模型获取针对所述源代码数据的代码特征表征结果，其中，所述代码多视角特征提取及表征模型可从多个视角提取所述源代码数据的特征并对提取的各种特征进行表征，所述多个视角至少包括代码文本视角和代码拓扑图视角，所述代码特征表征结果至少用于表征所述源代码数据的结构与语义。

2.如权利要求1所述的方法，其特征在于，在所述根据所述源代码数据和代码多视角特征提取及表征模型获取针对所述源代码数据的代码特征表征结果之后，所述方法还包括：根据所述代码表征结果完成对所述源代码数据的分析。

3.如权利要求1所述的方法，其特征在于，在所述根据所述源代码数据和代码多视角特征提取及表征模型获取针对所述源代码数据的代码特征表征结果之前，所述方法还包括：

通过无监督预训练以及有监督训练得到所述代码多视角特征提取及表征模型，其中，所述代码特征表征模型包括代码第一视角特征提取表征模型以及代码第二视角特征提取表征模型。

4.如权利要求3所述的方法，其特征在于，所述代码第一视角特征提取表征模型为图神经网络模型，所述图神经网络模型包括：第一图神经子网络模型和第二图神经子网络模型，所述第一图神经子网络模型对应所述图神经网络模型包括的前n层神经网络层，所述第二图神经子网络模型对应所述图神经网络模型包括的后m层神经网络层，所述代码第二视角特征提取表征模型为序列语义表征模型，所述序列语义表征模型包括第一序列语义表征子模型以及第二序列语义表征子模型，所述第一序列语义表征子模型对应所述序列语义表征模型的前k层神经网络层，所述第二序列语义表征子模型对应所述序列语义表征模型的后p层神经网络层；

其中，

所述通过无监督预训练以及有监督训练得到所述代码多视角特征提取及表征模型，包括：

至少根据无标注样本数据对所述第一图神经子网络模型和所述第一序列语义表征子模型进行训练，得到目标第一图神经子网络模型和目标第一序列语义表征子模型。

5.如权利要求4所述的方法，其特征在语，所述至少根据无标注源代码数据对所述第一图神经子网络模型和所述第一序列语义表征子模型进行训练，得到目标第一图神经子网络模型和目标第一序列语义表征子模型，包括：

将与无标注样本对应的抽象语法树输入所述第一图神经子网络模型，得到源代码第一特征表示，其中，所述源代码第一特征表示用于表征所述无标注数据的结构特征；

将所述无标注样本数据输入所述第一序列语义表征子模型以得到源代码第二特征表示，其中，所述源代码第二特征表示用于表征所述无标注数据的语义特征；

至少根据所述源代码第一特征表示和所述源代码第二特征表示进行联合对比获取对比结果，并根据所述对比结果调整训练中的模型参数。

6.如权利要求5所述的方法，其特征在于，所述源代码第二特征表示是将所述第一序列语义表征子模型输出的结果进行池化操作后得到的。

7.如权利要求5所述的方法，其特征在于，通过如下损失函数计算公式得到所述对比结果：

其中，表示根据所述源代码第一特征表示和所述源代码第二特征表示得到的同一样本的不同视角间的相似度，为不同样本不同视角间的相似度，c_i为单个样本的barlowtwins损失，所有w均为权重参数，λ为可调整超参数，M表征同一样本的不同视角可组成的最大样本对的数量，N表征不同样本不同视角可组成的最大样本对的数量，K表征样本的数量。