一种基于程序切片的深度神经网络类型推导方法
公开
摘要
本发明涉及一种基于程序切片的深度神经网络类型推导方法，首先获取大量包含类型标注信息的动态语言程序项目，提取项目中的类型信息，构建类型信息数据集；然后用编码技术将提取的类型信息数据集嵌入成向量形式；最后用嵌入向量训练深度神经网络模型并使用训练好的模型预测程序变量类型或函数签名。本发明目的在于解决目前存在的动态语言程序类型推导效率低、准确率低的问题，提高动态语言程序在软件工程的生产实践中的可读性、可理解性和可维护性，最终实现提高软件质量保障的目标。
基本信息
专利标题 ：
一种基于程序切片的深度神经网络类型推导方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114580641A
申请号 ：
CN202210052087.1
公开（公告）日 ：
2022-06-03
申请日 ：
2022-01-17
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
冯洋燕言言范弘铖李玉莹徐宝文
申请人 ：
南京大学
申请人地址 ：
江苏省南京市栖霞区仙林大道163号计算机科学与技术系819
代理机构 ：
代理人 ：
优先权 ：
CN202210052087.1
主分类号 ：
G06N5/04
IPC分类号 ：
G06N5/04 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N5/00
利用基于知识的模式的计算机系统
G06N5/04
推理方法或设备
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
