代碼克隆指的是相似代碼片段在軟件系統(tǒng)多處出現(xiàn)。它通常因開發(fā)者的復制習慣或設計理念產(chǎn)生,往往導致軟件系統(tǒng)難以維護。如何自動化、快速而有效地定位這些相似代碼以便更好地重構(gòu)和維護軟件是一項研究熱點。傳統(tǒng)的代碼克隆檢測方法大多基于靜態(tài)文本分析技術(shù),很難在語義相近的代碼克隆檢測上有好的表現(xiàn)。而實際上中大型軟件系統(tǒng)中占大比例的正是這些語義克隆。近兩年有幾種結(jié)合深度神經(jīng)網(wǎng)絡模型的算法在代碼語義克隆檢測上取得了不錯的效果,但是深度神經(jīng)網(wǎng)絡模型參數(shù)太復雜使得訓練開銷特別大。本文提出了基于集成學習的有監(jiān)督分類模型,利用多個弱分類器捕捉可能的相似模式。同時配合有效的特征工程技巧,進一步挖掘代碼的語法和潛藏的語義信息,實現(xiàn)高準確度和高效率的檢測效果。本文主要工作和創(chuàng)新點有:（1）使用弱分類器和集成學習方法來解決代碼克隆檢測問題,實現(xiàn)了很好的重復代碼檢測效果,效率優(yōu)于現(xiàn)有深度學習方法。（2）將詞嵌入模型用于特征工程方法,將源代碼視作有上下文邏輯的文檔,利用詞嵌入模型抽取代碼段的向量表示形式。對源代碼結(jié)構(gòu)沒有過多的中間形式轉(zhuǎn)換,保留了代碼的完整信息。本文在BigCloneBench數(shù)據(jù)集上設計了一系列實驗,用于驗... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

圖１．３不同類型代碼克�。郏常�??

ｉｓ?ｃｏｎｄｅｎｓｅｄ?ｔｏ??ｉｆ（ｃｏｄｅ＆ｐｃＯｂｊＴｙｐｅ）?｛??圖２．１源代碼的預處理［｜＜）］??轉(zhuǎn)換后的代碼每行都與其他行分別比較，比較時代碼的相似度通過文本匹配??算法來得出�？蛇x用的經(jīng)典文本匹配算法包括布魯特包里搜索算法、萊溫斯坦距??離算法、Ｂｏｙｅｒ－Ｍｏｏｒｅ字符串搜索算法、Ｂｏｙｅｒ－Ｍｏｏｒｅ字符串搜索算法和Ｒａｂｉｎ－??Ｋａｒｐ算法等。該技術(shù)還利用分塊思想在算法原本０（ｉＶ２：）級別的復雜度上做了優(yōu)化。??即先將預處理的代碼計算一個ｈａｓｈ碼，然后按ｈａｓｈ碼的值將代碼分到不同的桶??（ｂｕｃｋｅｔ）中，因為文本一致的代碼其ｈａｓｈ碼值相同，只需要在桶內(nèi)進行兩兩匹??配就能檢測出所有文本一致的代碼克隆。??２００５?年?Ｓ?Ｌｅｅ?等人提出?ＳＳＤ?（Ｓｉｍｉｌａｒ?Ｄａｔａ?Ｄｅｔｅｃｔｉｏｎ）算法［１１］。它是一項能??檢測不同相似程度代碼克隆的方法。它的核心思想是給定一個參考代碼的文本序??列和一個間隔閾值Ｎ

ｉｓ?ｃｏｎｄｅｎｓｅｄ?ｔｏ??ｉｆ（ｃｏｄｅ＆ｐｃＯｂｊＴｙｐｅ）?｛??圖２．１源代碼的預處理［｜＜）］??轉(zhuǎn)換后的代碼每行都與其他行分別比較，比較時代碼的相似度通過文本匹配??算法來得出。可選用的經(jīng)典文本匹配算法包括布魯特包里搜索算法、萊溫斯坦距??離算法、Ｂｏｙｅｒ－Ｍｏｏｒｅ字符串搜索算法、Ｂｏｙｅｒ－Ｍｏｏｒｅ字符串搜索算法和Ｒａｂｉｎ－??Ｋａｒｐ算法等。該技術(shù)還利用分塊思想在算法原本０（ｉＶ２：）級別的復雜度上做了優(yōu)化。??即先將預處理的代碼計算一個ｈａｓｈ碼，然后按ｈａｓｈ碼的值將代碼分到不同的桶??（ｂｕｃｋｅｔ）中，因為文本一致的代碼其ｈａｓｈ碼值相同，只需要在桶內(nèi)進行兩兩匹??配就能檢測出所有文本一致的代碼克隆。??２００５?年?Ｓ?Ｌｅｅ?等人提出?ＳＳＤ?（Ｓｉｍｉｌａｒ?Ｄａｔａ?Ｄｅｔｅｃｔｉｏｎ）算法［１１］。它是一項能??檢測不同相似程度代碼克隆的方法。它的核心思想是給定一個參考代碼的文本序??列和一個間隔閾值Ｎ


本文編號：3517457