一种代码校验方法、装置、设备及可读存储介质与流程

本申请涉及机器学习领域，特别涉及一种代码校验方法、装置、设备及可读存储介质。

背景技术：

1、随着计算机软硬件技术的不断发展和应用场景的不断扩大，编写的程序变得越来越复杂，同时也难免会出现各种错误和问题。这些错误和问题可能来自于代码逻辑的不严密、数据输入输出的异常、环境变化等原因，给程序的正确性和可靠性带来了挑战。

2、为了提高程序的质量和效率，代码纠错成为了计算机编程过程中不可或缺的环节。在现代软件开发中，代码校验已经成为一项非常重要的工作，它不仅关乎程序的正确性和可靠性，还直接影响到项目的进度和效率。但传统的代码纠错技术通常依赖于规则或模式匹配的方法，需要手动定义大量的规则和特征，难以处理复杂的语法结构；并且传统的代码纠错技术通常只能适应特定编程语言、特定的编码风格和特定类型的代码问题进行纠错，不具有广泛性。

技术实现思路

1、有鉴于此，本申请的目的在于提供代码校验方法、装置、设备及可读存储介质，解决了现有技术中代码纠错的低效性和应用受限的问题。

2、为解决上述技术问题，本申请提供了一种代码校验方法，包括：

3、获取待校验源代码；

4、将所述待校验源代码转换为词向量；

5、将所述词向量输入到训练好的语言模型中，得到输出结果；

6、当所述待校验源代码存在问题时，则所述输出结果为所述待校验源代码对应的修复方案。

7、可选的，所述将所述词向量输入到训练好的语言模型中，包括：

8、训练基于注意力机制的语言模型，得到transformer语言模型；

9、将所述词向量输入到所述transformer语言模型中。

10、可选的，所述训练基于注意力机制的语言模型，得到transformer语言模型，包括：

11、获取用于预训练的数据集，所述数据集包括错误代码和正确代码；

12、对所述数据集中的数据进行清洗处理，得到处理后的代码；

13、将所述处理后的代码进行转换，得到转换后数据；

14、将所述转换后数据进行数据划分，得到训练集数据、验证集数据和测试集数据；

15、基于注意力机制，并利用所述训练集数据训练模型，采用所述验证集数据对模型进行调优，采用所述测试集数据对模型进行性能评估，经评估得到的最优模型设定为所述transformer语言模型。

16、可选的，所述对所述数据集中的数据进行清洗处理，得到处理后的代码，包括：

17、利用正则表达式和beautifulsoup对所述数据集中的数据进行清洗处理，去除重复的代码数据和错误的代码标签，得到所述预处理后的代码。

18、可选的，所述将所述处理后的代码进行转换，得到转换后数据，包括：

19、利用antlr将所述处理后的代码转换为token序列，得到序列数据；

20、将所述序列数据转换为词向量形式，得到所述转换后数据。

21、可选的，还包括：

22、获取新的预训练数据集；

23、利用所述新的预训练数据集优化所述transformer语言模型，得到优化的transformer语言模型；

24、相应的，所述将所述词向量输入到所述transformer语言模型中，包括：

25、将所述词向量输入到所述优化的transformer语言模型中。

26、可选的，所述当所述待校验源代码存在问题时，则所述输出结果为所述待校验源代码对应的修复方案，包括：

27、当所述语言模型对所述源代码进行语法检查、语义检查、错误检测、可读性检查和自动纠错，确定所述待检验源代码是否存在问题；

28、若所述源代码存在问题，则输出的修复方案包括检验结果和修复后代码。

29、本申请还提供了一种代码校验装置，包括：

30、获取模块，用于获取待校验源代码；

31、转换模块，用于将所述待校验源代码转换为词向量；

32、输入模块，用于将所述词向量输入到训练好的语言模型中，得到输出结果；

33、修复输出模块，用于当所述待校验源代码存在问题时，则所述输出结果为所述待校验源代码对应的修复方案。

34、本申请还提供了一种代码校验设备，包括：

35、存储器，用于存储计算机程序；

36、处理器，用于执行所述计算机程序时实现上述的代码校验方法的步骤。

37、本申请还提供了一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述的代码校验方法的步骤。

38、可见，本申请通过获取待校验源代码；将待校验源代码转换为词向量；将词向量输入到训练好的语言模型中，得到输出结果；当待校验源代码存在问题时，则输出结果为待校验源代码对应的修复方案。本申请基于语言模型(自然语言处理技术)的方法可以学习到更加复杂的语法结构，如不同编程语言的语法和惯用表达方式，能够适应于不同的编程语言，从而能够更好地处理代码纠错问题，提高纠错准确性。

39、此外，本申请还提供了一种代码校验装置、设备及可读存储介质，同样具有上述有益效果。

技术特征：

1.一种代码校验方法，其特征在于，包括：

2.根据权利要求1所述的代码校验方法，其特征在于，所述将所述词向量输入到训练好的语言模型中，包括：

3.根据权利要求2所述的代码校验方法，其特征在于，所述训练基于注意力机制的语言模型，得到transformer语言模型，包括：

4.根据权利要求3所述的代码校验方法，其特征在于，所述对所述数据集中的数据进行清洗处理，得到处理后的代码，包括：

5.根据权利要求3所述的代码校验方法，其特征在于，所述将所述处理后的代码进行转换，得到转换后数据，包括：

6.根据权利要求2所述的代码校验方法，其特征在于，还包括：

7.根据权利要求1至6任一项所述的代码校验方法，其特征在于，所述当所述待校验源代码存在问题时，则所述输出结果为所述待校验源代码对应的修复方案，包括：

8.一种代码校验装置，其特征在于，包括：

9.一种代码校验设备，其特征在于，包括：

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的代码校验方法的步骤。

技术总结
本申请公开了一种代码校验方法、装置、设备及可读存储介质，应用于机器学习领域，该方法包括：获取待校验源代码；将待校验源代码转换为词向量；将词向量输入到训练好的语言模型中，得到输出结果；当待校验源代码存在问题时，则输出结果为待校验源代码对应的修复方案。本申请基于语言模型/自然语言处理技术的方法可以学习到更加复杂的语法结构，如不同编程语言的语法和惯用表达方式，能够适应于不同的编程语言，从而能够更好地处理代码纠错问题，提高纠错准确性。

技术研发人员：王蒴,刘丽红,曲鸣,胡涛,侯华伟
受保护的技术使用者：山东中创软件商用中间件股份有限公司
技术研发日：
技术公布日：2024/1/14