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!
申请/专利权人:华中科技大学
摘要:本发明公开了一种图张量神经网络模型建立方法及源代码语义识别方法,属于软件分析检测领域,方法包括:建立图张量构建网络层,用于从源代码中提取AST、CFG、DDG和NCS的图结构并组合得到图张量空间特征;建立门控图张量神经网络层,用于利用图张量空间特征计算源代码的图结构节点的隐藏层特征;建立图张量卷积神经网络层,用于利用隐藏层特征提取图结构节点的语义特征;建立输出网络层,用于根据语义特征利用分层softmax函数预测源代码中的变量,和或,预测源代码中缺失的变量;将训练样本输入包含各网络层的图张量神经网络模型,利用反向传播训练模型中的权重参数。该图张量神经网络模型的源代码语义识别更准确,且效率更高。
主权项:1.一种图张量神经网络模型建立方法,其特征在于,所述图张量神经网络模型用于识别源代码语义特征,方法包括:S1,建立图张量构建网络层,用于从源代码中分别提取AST、CFG、DDG和NCS的图结构,组合各所述图结构得到所述源代码的图张量空间特征;S2,基于门控神经网络深度学习算法和张量计算建立门控图张量神经网络层,并连接所述图张量构建网络层的输出侧,用于利用所述图张量空间特征计算所述源代码的图结构节点的隐藏层特征;S3,基于图卷积神经网络深度学习算法和张量计算建立图张量卷积神经网络层,并连接所述门控图张量神经网络层的输出侧,用于利用所述隐藏层特征提取所述图结构节点的语义特征;S4,基于注意力机制建立输出网络层,并连接所述图张量卷积神经网络层的输出侧,用于根据所述语义特征利用分层softmax函数预测所述源代码中的变量,和或,预测所述源代码中缺失的变量;S5,将训练样本输入图张量神经网络模型,所述图张量神经网络模型包含所述S1-S4中建立的各网络层,利用反向传播训练所述图张量神经网络模型中的权重参数,得到优化后的图张量神经网络模型。
全文数据:
权利要求:
百度查询: 华中科技大学 图张量神经网络模型建立方法及源代码语义识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。