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！

龙图腾网获悉广东工业大学申请的专利一种基于深度学习的代码相似度检测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：CN120336871B 。

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：202510393968.3，技术领域涉及：G06F18/22；该发明授权一种基于深度学习的代码相似度检测方法是由谢国波;周宇;罗楷聪;刘岩;黄小兵;连凯;何炯星;温诗恒;苏庆;林志毅;黄剑锋设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本一种基于深度学习的代码相似度检测方法在说明书摘要公布了：本发明公开的属于代码相似度检测技术领域，具体为一种基于深度学习的代码相似度检测方法，包括具体步骤如下：收集代码，对代码进行预处理，其操作包括删除相应的注释内容、对变量名和函数名进行规范化处理、代码格式统一，将处理以后的代码进行任意的两两组合以及代码相似度评级得到一个三元组，所有三元组的集合构成一个代码数据集。本发明通过计算代码语法和语义特征的相似度来评估代码整体的相似度；在提取代码语法特征向量方面，在对语法树中每一个节点进行特征聚合时，考虑了该节点所处深度以及其兄弟节点的特征，避免了常规方法对树形结构进行聚合时的特征丢失。

本发明授权一种基于深度学习的代码相似度检测方法在权利要求书中公布了：1.一种基于深度学习的代码相似度检测方法，其特征在于，包括具体步骤如下： S1：收集代码，对代码进行预处理，其操作包括删除相应的注释内容、对变量名和函数名进行规范化处理、代码格式统一，将处理以后的代码进行任意的两两组合以及代码相似度评级得到一个三元组代码A，代码B，相似度y，所有三元组的集合构成一个代码数据集，其代码A或代码B设为代码C； S2：利用代码提取工具对代码C进行解析并生成语法树，遍历语法树得到代码C的邻接矩阵和深度权重矩阵d'C，再通过Word2Vec将代码C转化为指定维度的特征向量，得到特征矩阵ZC； S3：将和ZC输入AST-GCN模型，AST-GCN对代码C的语法树进行语法特征聚合，得到语法特征矩阵最后通过多头自注意力层对进行特征增强，得到代码C的语法特征向量VgC； S4：对代码C进行分词处理，利用分词处理工具将代码C拆分为若干个词法单元，得到一个词法单元序列XC； S5：构建一个多尺度语义特征自适应融合模型MSF，用于对代码语义特征进行多尺度融合及提取，将XC输入到MSF模型后，得到表征代码语义的特征向量VsC； S6：利用门控机制自适应融合代码C语法特征向量VgC和语义特征向量VsC，得到融合向量VfusC； S7：将VfusA和VfusB进行拼接，得到待测向量Vt，将Vt输入至三层感知机进行相似度的比较，输出相似度得分计算与真实值之间的损失值loss，并反向更新可学习语法矩阵WgC与可学习语义矩阵WsC； S8：将训练好的代码相似度检测模型应用于代码相似度检测任务中，对实际输入的任意代码对代码X，代码Y进行相似度计算，得到所述代码对的相似度得分； 所述S3的具体步骤如下： S31：构建AST-GCN模型，用于提取代码C的语法特征矩阵其AST-GCN模型由输入层、特征更新层以及输出层构成；AST-GCN模型将语法树中每一个节点自身的特征与其邻居节点、兄弟节点的特征进行融合，得到包含代码局部语法特征的特征序列最后经过线性变换得到语法特征矩阵 S32：利用多头自注意力机制对进行注意力权重计算，将各个注意力头输出的语法特征序列进行concat拼接，再经过一个线性变换得到语法特征向量VgC。

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广东工业大学，其通讯地址为：510000 广东省广州市东风东路729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。