[发明专利]一种获取开源代码库中函数的向量的方法和系统

权利要求书

1.一种获取开源代码库中函数的向量的方法，其特征在于，包括：

S1、提取开源代码库中的函数调用图，所述函数调用图用于描述各函数间的调用关系；

S2、基于随机漫步模型，获得所述函数调用图中各函数的函数调用序列；以及

S3、将所述函数调用序列作为嵌入模型的输入项，获得各函数的向量；

所述步骤S2包括：

S2.1、将所述函数调用图中的起始函数作为函数调用序列的第一节点，设置函数调用序列的步长；

S2.2、基于第一节点与其他节点间的最短距离、权重、抽样参数、回溯参数，以及所述第一节点与其他节点是否属于节点边的结合，获得第一节点后的最短转移概率的节点，作为第二节点；以及

S2.3、基于第二节点与其他节点间的最短距离、权重、抽样参数、回溯参数以及第二节点与其他节点是否属于节点边的结合，获得第二节点后的最短转移概率的节点，作为第三节点，直至随机漫步的长度符合所述函数调用序列的步长，将所述步长的转移轨迹作为所述函数调用序列。

2.如权利要求1所述的获取开源代码库中函数的向量的方法，其特征在于，所述步骤S1包括：

基于文档生成工具，获得所述开源代码库的帮助信息文档，所述帮助信息文档中包括函数信息、函数调用图信息以及函数注释信息。

3.如权利要求2所述的获取开源代码库中函数的向量的方法，其特征在于，所述文档生成工具为Doxygen文档生成器。

4.如权利要求1所述的获取开源代码库中函数的向量的方法，其特征在于，所述步骤S3包括：

S3.1、将所述函数调用序列作为训练集，通过最大化所述训练集中的正样本的概率，同时最小化负样本概率，获取任意一个正样本的条件概率；

S3.2、基于任意一个正样本的条件概率、上下文窗口以及所述函数调用序列的步长，获得SGNS目标函数；以及

S3.3、将所述函数调用序列作为嵌入模型的输入项，通过最大化所述SGNS目标函数，将所述嵌入模型的输出作为各函数的向量表示。

5.一种获取开源代码库中函数的向量的系统，其特征在于，包括：

调用图模块，用于提取开源代码库中的函数调用图，所述函数调用图用于描述各函数间的调用关系；

调用序列模型，用于基于随机漫步模型，获得所述函数调用图中各函数的函数调用序列；以及

向量模块，用于将所述函数调用序列作为嵌入模型的输入项，获得各函数的向量；

所述调用序列模型，具体用于：

将所述函数调用图中的起始函数作为函数调用序列的第一节点，设置函数调用序列的步长；

基于第一节点与其他节点间的最短距离、权重、抽样参数、回溯参数，以及所述第一节点与其他节点是否属于节点边的结合，获得第一节点后的最短转移概率的节点，作为第二节点；以及

基于第二节点与其他节点间的最短距离、权重、抽样参数、回溯参数以及第二节点与其他节点是否属于节点边的结合，获得第二节点后的最短转移概率的节点，作为第三节点，直至随机漫步的长度符合所述函数调用序列的步长，将所述步长的转移轨迹作为所述函数调用序列。