[发明专利]一种代码摘要自动生成方法及系统

权利要求书

1.一种代码摘要自动生成方法，其特征在于：包括以下过程：

获取待处理的代码；

对获取的代码进行预处理，得到抽象语法树聚合向量和API调用依赖关系图聚合向量；

将抽象语法树聚合向量和API调用依赖关系图聚合向量集成到单个表示中，生成多视角融合向量；

将多视角融合向量输入到预设神经网络模型中，得到代码对应的自然语言摘要。

2.如权利要求1所述的代码摘要自动生成方法，其特征在于：

提取代码的语法信息，生成相应的抽象语法树；

对抽象语法树进行深度优先遍历，遍历并保存每个节点的信息以及与边的关系；

将抽象语法树中每个节点进行初始化特征表示，得到每个节点的初始化节点向量，将抽象语法树的每个节点的初始化节点向量合并，形成抽象语法树初始化向量矩阵；

根据抽象语法树的初始化向量矩阵、邻接矩阵和度矩阵，结合图卷积网络，得到抽象语法树聚合向量矩阵。

3.如权利要求1所述的代码摘要自动生成方法，其特征在于：

提取代码的语法信息，生成相应的抽象语法树，提取代码中定义的函数，识别函数调用关系，得到结点信息、边的关系和标签，进而得到API调用依赖关系图；

将得到的API调用依赖关系图进行初始化特征表示；

将每个节点表示合并为API调用依赖关系图初始化向量矩阵；

根据API调用依赖关系图初始化向量矩阵、邻接矩阵和度矩阵，结合图卷积网络，得到API调用依赖关系图聚合向量。

4.如权利要求2或3所述的代码摘要自动生成方法，其特征在于：

利用图卷积网络聚合策略时采用权重匹配策略，对向量矩阵施加权重并改变维度，再对抽象语法树聚合向量和API调用依赖关系图聚合向量进行级联，得到多视角融合向量。

5.如权利要求1所述的代码摘要自动生成方法，其特征在于：

预设神经网络模型包括编码器和解码器，编码器和解码器均由Block组成，每个Block包括多头注意力机制、全连接层以及残差网络；

预设神经网络模型的训练时，编码器以训练用代码的多视角融合向量为输入，以过程向量为输出；解码器以过程向量以及训练用代码对应的自然语言摘要向量表示为输入，以预测概率为输出，当预测概率收敛到预设值时，训练完成。

6.如权利要求5所述的代码摘要自动生成方法，其特征在于：

在输入编码器之前，对多视角融合向量进行位置编码，加入相对位置信息；

或者，

残差网络将多视角融合向量和多头注意力机制的输出进行连接。

7.如权利要求5所述的代码摘要自动生成方法，其特征在于：

将自然语言摘要转化为自然语言摘要向量表示，包括以下过程：

将目标自然语言摘要按照词汇数进行位置标记；

将目标自然语言摘要每个词汇进行one-hot向量编码；

使用特征矩阵对自然语言摘要进行特征表示，得到特征矩阵；

使用每个词汇的one-hot向量与特征矩阵进行点乘，得到每个词汇的初始化节点向量。

8.一种代码摘要自动生成系统，其特征在于：包括：

数据获取模块，被配置为：获取待处理的代码；

数据处理模块，被配置为：对获取的代码进行预处理，得到抽象语法树聚合向量和API调用依赖关系图聚合向量；

向量融合模块，被配置为：将抽象语法树聚合向量和API调用依赖关系图聚合向量集成到单个表示中，生成多视角融合向量；

摘要生成模块，被配置为：将多视角融合向量输入到预设神经网络模型中，得到代码对应的自然语言摘要。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的代码摘要自动生成方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的代码摘要自动生成方法中的步骤。