买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种基于神经机器翻译的软件测试代码更新方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119739634B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411806294.7，技术领域涉及：G06F11/3668；该发明授权一种基于神经机器翻译的软件测试代码更新方法是由池剑磊;田野;赵濛;张仁;黄晏瑜;冷雪;孙建国设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种基于神经机器翻译的软件测试代码更新方法在说明书摘要公布了：本发明属于机器学习技术领域，公开了一种基于神经机器翻译的软件测试代码更新方法，从GitHub上获取Java项目中的大规模方法级别更改数据，构建数据集；对数据集进行处理，通过控制代码的嵌套深度和变量数量，筛选适中的代码样本；对筛选后的数据样本进行上下文抽象、编辑序列化和分词编码；通过训练过时测试识别模型和测试用例更新模型，分别实现对测试用例是否需要更新的识别，以及新测试用例的生成；利用Transformer更新器模型结合波束搜索生成多个测试用例候选结果，经过代码抽象复原和语法检查，生成合法的更新测试用例。本发明提高生产代码和测试代码协同演化的自动化水平，适用于软件开发中的代码维护和测试优化任务。

本发明授权一种基于神经机器翻译的软件测试代码更新方法在权利要求书中公布了：1.一种基于神经机器翻译的软件测试代码更新方法，其特征在于，包括如下步骤： S1：从Github上获取Java项目中的5163K方法级别更改组成，构建数据集； S2：对S1中的获取的数据集进行数据过滤和拆分处理； S3：对数据集进行复杂度约束，根据代码的复杂性指标来过滤掉过于复杂或过于简单的代码，以确保模型更高效地学习有代表性和一般化的特征； S4：将数据集的样本进行标注，为模型提供明确的正负样本标签； S5：采用上下文抽象、编辑序列化、分词与编码、序列对齐方法将代码转化为适合模型处理的形式； 首先将代码抽象化，在处理模型时施加人为限制，以确定最常见的词的词汇量大小，为了减少词汇量，必须在保留源代码的语义信息的同时，进行上下文的抽象，NPTCC将维护一个字典来存储原始词符和替换变量之间的映射关系，以便在生成更新测试代码后重新回填原始词符，通过上述代码抽象化的过程以及控制词汇量的大小，使Transformer模型专注于从不同的代码变化中学习共通的模式； 然后通过编辑序列化来更好地表示细粒度的生产代码更改，代码编辑表示为：，其中和分别是原始版本和新版本生产方法在i位置的词符，表示将转换为的编辑操作，有四种类型的编辑操作，包括插入、删除、相等和替换，为了获取代码更改表示，首先将原始方法和修改后的方法切分为代码词符序列，并使用它们来构建编辑序列；随后计算词符级别的对齐以获得位置i处的编辑三元组，最后，所有位置上的编辑三元组形成了该生产代码方法更改的编辑序列e，对于单个编辑，将所属的三个部分连接起来表示编辑，通过比较位置i处的词符和得到，然后，将输入连接成一个输入I用于预测目标中的概率分布，对于识别任务，目标l={0,1}分别表示测试代码不需要更新或需要更新，对于更新任务，目标是正样本中的更新测试用例，该模型旨在生成新的测试用例并且尽可能精确； S6：利用处理好的部分样本训练模型，包括过时测试识别模型和测试用例更新模型，分别训练出一个神经网络分类器识别需要更新的测试用例和一个Transformer更新器模型生成新测试用例； S7：通过神经网络模型预测更新后的测试代码，并输出生成的修改后的测试代码序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。