改进的卷积神经网络源代码相似性度量方法

摘要 源代码相似性是指不同代码段功能上的相似程度，是软件工程领域一项重要的研究问题.现有的方法主要从文本、结构两方面，利用代码的统计学特征计算相似性，其最大缺点就是无法表达代码的语义特征.为解决此类问题，提出了一种融合统计信息的卷积神经网络（statistics information for code embeddingconvolutional neural networks, SICE-CNN）源代码相似性检测方法.该方法首先通过词嵌入对源代码进行信息表示，获取代码的词嵌入向量信息；其次，构建CNN训练模型学习源代码文档的嵌入表示；最后，计算源代码对的余弦相似值.实验表明，该方法和一般词嵌入方法相比提高了一定的性能，能较好地检测源代码的语义相似性