[发明专利]一种基于模型代码语法分析的神经网络自动生成方法

权利要求书

1.一种基于模型代码语法分析的神经网络自动生成方法，其特征是维护一个拥有最高级别定义的全局环境，查阅概率表和特定于当前点的过滤器函数，利用丰富的语言特性可以提高程序的表达能力，进一步增强构建代码的实用价值，并由一组手工编码的python类实现自动生成过程中所必要的语法库。

2.根据权利要求1所描述的维护一个拥有最高级别定义的全局环境，其特征是：在程序生成期间定义新的实体类型时，将扩展全局环境。为了保存与当前程序生成点有关的信息，本发明还使用三种主要信息来维护本地环境。首先，本地环境描述了当前的调用链，支持上下文相关的指针分析。其次，它包含(1)当前函数的开始，(2)当前语句的开始和(3)前一个序列点以来可能已读取或写入的对象的效果信息。另外，本地环境包含所有范围内指针的指向事实。

3.根据权利要求1所描述的查阅概率表和特定于当前点的过滤器函数，其特征是：过滤器强制执行基本的语义限制(例如，continue只能出现在循环中)，用户-可控制的限制(例如，最大语句深度和函数数量)以及其他用户可控制的选项。如果过滤器拒绝了所选的代码块，本发明会简单地循环返回，从表中进行选择，直到过滤器成功为止。

4.根据权利要求1所描述的利用丰富的语言特性可以提高程序的表达能力，其特征是：通过分析神经网络的构建过程，抽象出基于编程语言的代码特性和伴随框架或模型结构的“特有”特性，实现自动生成程序的易用性。

5.根据权利要求1所描述的并由一组手工编码的python类实现自动生成过程中所必要的语法库，其特征是：方法体被建模为一个块；一个块包含一个声明列表和一个语句列表；语句是表达式，控制流构造，赋值或块。不同的块的内部实现会引入代码特性，保证生成程序满足编程语言和编程框架的特性。本发明还利用语法来生成其他的代表编程特性的程序。