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！

龙图腾网获悉厦门大学申请的专利基于命名风格无关的多视图对比代码表示学习的代码检索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：CN116049503B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202310112088.5，技术领域涉及：G06F16/901；该发明授权基于命名风格无关的多视图对比代码表示学习的代码检索方法是由冯嘉东;纪荣嵘;李辉设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本基于命名风格无关的多视图对比代码表示学习的代码检索方法在说明书摘要公布了：基于命名风格无关的多视图对比代码表示学习的代码检索方法，属于代码检索技术领域。旨在通过对代码的抽象语法树AST多视图对比学习，提供在代码搜索任务中如何利用AST处理不同命名约定的方案，NACS从抽象语法树AST中删除绑定的变量名的信息，并专注于仅从AST结构中捕获内在属性。使用语义级和语法级的增强技术来准备现实合理的数据，并采用对比学习在NACS中设计一个图视图建模组件，以增强对代码片段的理解。进一步在路径视图中对AST进行建模，通过多视图对比学习来加强图视图建模组件。NACS提供更优越的代码搜索性能，提高代码检索模型准确率，且NACS帮助现有的代码搜索方法克服不同命名约定的影响。

本发明授权基于命名风格无关的多视图对比代码表示学习的代码检索方法在权利要求书中公布了：1.基于命名风格无关的多视图对比代码表示学习的代码检索方法，其特征在于包括： 1数据增强：从抽象语法树AST中删除绑定的变量名的信息，从AST结构中捕获内在属性；使用语义级和语法级的增强技术准备现实合理的数据；采用对比学习在NACS中设计一个图视图建模组件，以增强对代码片段的理解； 2多视图对比代码表示学习预训练：在路径视图中对AST进行建模，通过多视图对比学习来加强图视图建模组件； 3代码搜索模型增强：给定来自训练数据的代码和查询表示，使用预先训练过的NACS增强代码搜索； 其具体步骤如下： 步骤1，从代码库中随机选择一个batchN个代码片段及其AST图；在每个代码片段上应用语义和语法级的数据增强策略，生成其三个正样本总计得到3N个转换后的代码； 步骤2，对于AST图g中的每个节点n，将其AST节点类型和度信息进行编码得到和对AST图的标准化拉普拉斯行列式进行特征分解构造节点的图拉普拉斯特征向量三者拼接得到AST图的节点特征表示，使用GIN计算所有AST的图表示rg； 步骤3，提取每个AST从根节点到叶子节点的路径zc表示路径总数，使用Bi-LSTM对每条路径进行编码并使用meanpooling得到所有路径的一个平均向量表示，将其作为AST的路径向量表示wc； 步骤4，使用Bi-LSTM对查询进行编码得到查询的向量表示si； 步骤5，经过下式计算模型的Loss： L＝Lg+Lp+Lq 其中，N表示batch的大小，τ为温度系数，simr1,r2是r1和r2之间的余弦相似度，Ι[v≠c]表示v＝c时函数为0，反之为1； 步骤6，循环执行步骤1～步骤5，得到NACS的预训练模型； 步骤7，将NACS的预训练模型拼接到CodeBERT模型上，使用NACS和CodeBERT分别计算查询和代码的向量表示，并使用下式计算查询与代码之间的相似度： score＝score1q,c+λscore2q,c 其中，score1表示来自CodeBERT的匹配分数，score2表示来自NACS预训练模型的匹配分数，λ是用于平衡两个部分的预定义参数； 给定一个batch大小为N的查询代码对，使用以下损失函数对CodeBERT和NACS预训练模型进行模型微调： 训练完成后即得到最终的代码检索模型。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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。