.png){kind=icon}
返回
Cross-language code clone detection via flow-enhanced graph attention network
.png){kind=icon}
PRE
AI
DOI：10.1093/comjnl/bxaf146.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
代码克隆是在语法或语义层面相似的代码片段，在软件开发中常见。过度克隆会损害可维护性并可能引入持续性错误。我们分析了跨语言代码克隆在精确语义层面的检测。大多数现有的克隆检测方法针对单语言环境，主要关注语法相似性。然而，复杂软件系统通常使用多种编程语言开发，导致语义相似的跨语言代码克隆。这些克隆提出了当前检测工具难以应对的挑战。在本文中，我们提出了一种新颖的流程增强图注意力网络方法，称为FEGAT，以有效检测语义层面的跨语言代码克隆。首先，我们设计了一个流程增强代码图，使用抽象语法树并添加了控制和数据流边。然后，我们将此代码图输入预训练模型CodeBERT，以学习具有语义信息的初始流程增强节点表示。第三，我们设计FEGAT，从其语义信息中学习跨语言代码的流程增强图表示，并通过计算相似度分数来检测克隆。最后，我们在AtCoder和CodeChef数据集上进行了实验，以评估FEGAT在精确度、召回率和F1分数方面的性能。实验结果表明，FEGAT优于现有的跨语言代码克隆检测工具。
Keyword:
code clone detection
cross-language
semantic level
graph attention network
flow-enhanced code graph
