一种基于逐层融合抽象语法树的代码补全方法

专利主权项内容

1.一种基于逐层融合抽象语法树的代码补全方法，其特征在于提取代码抽象语法树的层次结构信息，同时结合语义信息进行代码补全，该方法包括以下步骤：第一步，对数据集中的每一份待补全源程序进行预处理：对待补全源程序进行解析，生成与待补全源程序对应的抽象语法树(Abstract Syntax Tree，AST)、控制流程图(ControlFlow Graph，CFG)、数据流程图(Data Flow Graph，DFG)和函数调用图(Call Graph，CG)；将经过预处理后的数据集划分为训练集、验证集和测试集；第二步，搭建一个基于逐层融合抽象语法树的代码补全模型：首先根据AST构建语句级抽象语法树(Sentence-Abstract Syntax Tree，S-AST)，接着根据CFG和DFG，对 S-AST进行语义信息增强得到增强语句级抽象语法树(Augmented Sentence-Abstract Syntax Tree，AS-AST)，然后根据AS-AST和CG构建信息增强函数调用图(Information Augmented CallGraph，IA-CG)，使用图注意力网络(Graph attention networks，GAT)提取IA-CG包含的层次结构信息和语义信息，其中语义信息包括AS-AST中含有的语义相似信息、控制流信息、数据流信息和CG中含有的函数调用信息；最后根据IA-CG特征提取后得到的特征向量，生成补全代码；第三步，设置基于逐层融合抽象语法树的代码补全模型的所有初始参数，设置词向量的维度、批处理的大小、学习率的大小、优化器的选择等与该模型相关的超参数；将训练集和验证集加载至该模型中进行训练，训练结束后得到对于该模型最优的参数；第四步，运用该代码补全模型，对待补全源程序进行代码补全，将测试集输入到训练好的代码补全模型中进行测试，使用机器学习中的准确率和MRR作为该代码补全模型在执行代码补全任务时的评估指标，然后将该代码补全模型运用于不同数据集的代码补全任务当中。