[发明专利]一种面向多源异构编程语言的智能源码翻译方法及系统

说明书

本发明公开了一种面向多源异构编程语言的智能源码翻译方法及系统，包括：获取能够实现相同功能的至少两种编码语言类型的编码源文件，并进行预处理，以获取BPE codes文件；对每个编码源文件进行二进制化处理，以获取二进制编码文件；基于去噪自编码器构建初始的智能源码翻译模型，并利用二进制编码文件和BPE codes文件对所述初始的智能源码翻译模型进行预训练，以确定经过预训练的智能源码翻译模型；利用二进制编码文件和BPE codes文件对所述经过预训练的智能源码翻译模型进行翻译训练，确定最终智能源码翻译模型；根据目标编码语言类型，利用所述最终智能源码翻译模型进行待翻译源码文件的翻译，以确定与所述待翻译源码文件对应的目标编码语言类型的编码文件。

技术领域

本发明涉及互联网技术领域，并且更具体地，涉及一种面向多源异构编程语言的智能源码翻译方法及系统。

背景技术

随着计算机的迅猛发展，编程语言类型不断衍变，从面向机器语言到面向过程语言，到面向对象语言。如，在github网站搜索分类算法时，各编程语言占比分别：C语言2.5％，C++语言6.9％，Java语言5.2％，python语言67.1％，其他语言18.3％。其中，海量多源异构编程语言实现相似功能，从而浪费软件开发成本。如：澳大利亚联邦银行用了5年时间迁移COBOL系统，花费8亿美金。可以看出，单纯依赖人工移植工作量巨大，收效甚微。

目前，传统源码转换方法利用不同层次的源语言表征，主要分为基于文本、单词、抽象语法树、程序依赖图、度量元和混合多种表示等六类，但是针对字面相似度较低的克隆类型，则有效性不足。

目前用户对多源异构编程语言的翻译需求主要体现在三方面：

(1)目前国产超算进行众核化对面向过程C语言支持性更强，而海量科学计算程序是基于C++或Fortran等编程语言实现，不仅面临程序迁移的问题，而且存在程序众核化的难题。

(2)由于多类型编程语言之间人工翻译具有极高的复杂性，技术人员不但具备源编程语言与目标编程语言的专业知识，而且还需要具备解决本科学问题的逻辑能力，从而增加代码翻译项目成本。

(3)目前传统的编程语言翻译智能化程度不高，最终的翻译结果通常缺乏代码可读性，需要手动修改后才能正常工作。

因此，需要一种能够将多源异构编程语言和深度学习技术有效结合，实现快速高效地将源编程语言翻译为用户需求的目标编程语言的方法。

发明内容

本发明提出一种面向多源异构编程语言的智能源码翻译方法及系统，以解决如何地实现不同编程语言的源码的翻译问题。

为了解决上述问题，根据本发明的一个方面，提供了一种面向多源异构编程语言的智能源码翻译方法，所述方法包括：

获取能够实现相同功能的至少两种编码语言类型的编码源文件，并对获取的至少两种编码语言类型的编码源文件进行预处理，以获取BPE codes文件；

对每个编码源文件进行二进制化处理，以获取与每个编码源文件对应的二进制编码文件；

基于去噪自编码器构建初始的智能源码翻译模型，并利用所述二进制编码文件和BPE codes文件对所述初始的智能源码翻译模型进行预训练，以确定经过预训练的智能源码翻译模型；

利用所述二进制编码文件和BPE codes文件对所述经过预训练的智能源码翻译模型进行翻译训练，直至相邻两次的翻译后的数据和所述获取的至少两种编码语言类型的编码源文件的损失值的绝对误差值小于预设的绝对误差阈值时，确定当前的智能源码翻译模型为最终智能源码翻译模型；

根据目标编码语言类型，利用所述最终智能源码翻译模型进行待翻译源码文件的翻译，以确定与所述待翻译源码文件对应的目标编码语言类型的编码文件。