申请/专利权人:华南理工大学
申请日:2023-03-16
公开(公告)日:2023-09-12
公开(公告)号:CN116738963A
主分类号:G06F40/194
分类号:G06F40/194;G06F40/211;G06F40/253;G06F40/284;G06F40/30;G06F18/22;G06N3/044;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.09.29#实质审查的生效;2023.09.12#公开
摘要:本发明公开了一种基于多头注意力机制的深度学习代码抄袭检测方法,包括:1使用代码解析工具将源代码解析成抽象语法树;2以语句节点作为分解粒度,将抽象语法树以深度优先遍历的方式分解成一组抽象语法子树;3使用递归神经网络生成抽象语法子树的代码向量,使用多头自注意力机制、残差网络获取抽象语法子树的代码向量的特征,采用全连接网络将抽象语法子树的代码向量表示成一个固定长度的向量,通过余弦相似性计算两份代码的相似性,相似性超过阈值的代码判定为抄袭,未超过阈值的判定为未抄袭;4使用注意力机制,将判定为抄袭的两份代码进行源代码相似性的标注。本发明实现了端到端的源代码抄袭检测算法,可实现更灵活和精确的下游应用。
主权项:1.基于多头注意力机制的深度学习代码抄袭检测方法,其特征在于,包括以下步骤:1使用代码解析工具将源代码解析成抽象语法树;2以语句节点作为分解粒度,将抽象语法树以深度优先遍历的方式分解成一组抽象语法子树;3使用递归神经网络生成抽象语法子树的代码向量,使用多头自注意力机制、残差网络获取抽象语法子树的代码向量的特征,采用全连接网络的方式将抽象语法子树的代码向量表示成一个固定长度的向量,最后通过余弦相似性计算两份代码的相似性,相似性超过阈值的代码判定为抄袭,未超过阈值的判定为未抄袭;4使用注意力机制,将判定为抄袭的两份代码进行源代码相似性的标注。
全文数据:
权利要求:
百度查询: 华南理工大学 基于多头注意力机制的深度学习代码抄袭检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。