[发明专利]基于区块链的代码错误识别方法、装置、设备及存储介质

权利要求书

1.一种基于区块链的代码错误识别方法，其特征在于，包括：

获取目标代码；

以词素为基准对所述目标代码分词，将得到的每个词转换为词向量，并将每个词的词向量进行组合，以将所述目标代码转换为特征张量；

基于代码错误识别模型，对所述特征张量进行处理，得到所述目标代码的错误类型，其中，所述代码错误识别模型为根据区块链网络中存储的代码案例数据训练而得到的机器学习模型；

根据所述目标代码的错误类型，在预先构建的解决方案关联表中查找所述目标代码对应的解决方案，对所述目标代码进行处理；以及

将所述目标代码的处理结果写入所述区块链网络，以用于周期性地训练并优化所述代码错误识别模型，所述处理结果包括所述代码错误识别模型对所述目标代码对应的特征张量的处理结果、根据所述解决方案对所述目标代码的处理结果中的至少一者。

2.根据权利要求1所述的方法，其特征在于，所述特征张量包括词向量矩阵；

所述以词素为基准对所述目标代码分词，将得到的每个词转换为词向量，并将每个词的词向量进行组合，以将所述目标代码转换为特征张量，包括：

对所述目标代码进行预处理；

对预处理后的所述目标代码进行分词，并将得到的词进行向量转换，以生成所述词向量矩阵。

3.根据权利要求2所述的方法，其特征在于，所述预处理包括以下任意一种或多种：

将所述目标代码中每个引号内的全部字符替换为占位符；

移除所述目标代码中的符号；以及

对所述目标代码填充预设字符，以使所述目标代码达到标准长度。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从区块链网络中存储的代码案例数据中获取多组训练数据，所述训练数据包括样本代码以及所述样本代码对应的样本错误类型；

利用所述训练数据训练所述机器学习模型，以得到所述代码错误识别模型。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

从所述代码案例数据中获取解决方案，并基于所述样本错误类型与所述解决方案之间的关联关系，构建所述解决方案关联表。

6.根据权利要求1所述的方法，所述目标代码的错误类型为机器识别结果；

所述将所述目标代码的处理结果写入所述区块链网络，包括：

获取所述目标代码的人工处理结果，如果所述人工处理结果与所述机器识别结果不匹配，则将所述目标代码与所述人工处理结果作为新的案例数据写入所述区块链网络。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述机器学习模型包括文本卷积神经网络模型。

8.一种基于区块链的代码错误识别装置，其特征在于，包括：

代码获取模块，用于获取目标代码；

张量转换模块，用于以词素为基准对所述目标代码分词，将得到的每个词转换为词向量，并将每个词的词向量进行组合，以将所述目标代码转换为特征张量；

错误识别模块，用于基于代码错误识别模型，对所述特征张量进行处理，得到所述目标代码的错误类型，其中，所述代码错误识别模型为根据区块链网络中存储的代码案例数据训练而得到的机器学习模型；

方案获取模块，用于根据所述目标代码的错误类型，在预先构建的解决方案关联表中查找所述目标代码对应的解决方案，对所述目标代码进行处理；以及

数据写入模块，用于将所述目标代码的处理结果写入所述区块链网络，以用于周期性地训练并优化所述代码错误识别模型，所述处理结果包括所述代码错误识别模型对所述目标代码对应的特征张量的处理结果、根据所述解决方案对所述目标代码的处理结果中的至少一者。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。