.png){kind=icon}
返回
Enhancing Semantic Clone Detection with Siamese Bi-LSTM for Multi-Level Source Code Representations
.png){kind=icon}
PRE
AI
DOI：10.1007/s13369-025-10675-z.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
源代码克隆检测器是软件工程中的基础技术。尽管过去十年进行了大量研究，但现有方法在检测语义克隆方面仍需改进。机器学习技术的进步引起了研究人员的关注，激励他们提出新的语义克隆检测方法。然而，许多现有方法依赖人工设计的特征来表示源代码的语法和语义信息，这阻碍了语义克隆对的检测。本文介绍了一种新的语义克隆识别方法，利用Siamese双向长短期记忆（Siamese bidirectional LSTM）技术学习源代码表示中的隐藏语法和语义模式。该技术将源代码转换为两种不同表示：高层次源代码表示抽象语法树和低层次抽象编译代码中间表示（Baf和Jimple块程序依赖图）。在大型Java程序数据集（BigCloneBench）上进行了广泛实验，以评估所提出技术的有效性。结果表明，所提出的方法在检测复杂克隆类型（如MT-3（94%）和WT-3/4（93%））的F1分数方面优于基线方法，包括CCLearner、SourcererCC、NiCad、iClones、CCFinder、Oreo和Deckard。此外，在VST-3（97%）、ST-3（98%）、MT-3（94%）和WT-3/4（93%）的克隆识别F1分数性能方面，它优于CDLH、DLC、ASTNN和Quradaa等人，平均F1分数达到95.5%。这些结果突显了其卓越的检测能力。
Keyword:
Code clone detection
Code representation
Deep learning
Semantic clone
期刊
A
IF:
2.9
论文数:
1.2K
被引数:
0
机构
引用论文
Goner: Building Tree-Based N-Gram-Like Model for Semantic Code Clone DetectionGoner: 构建基于树的类n-gram语义代码克隆检测模型
PREAI
分享收藏Processing of clinical notes for efficient diagnosis with feedback attention–based bilstm基于反馈注意力机制的BiLSTM临床笔记处理以实现高效诊断.png)
IF0
PREAI
分享收藏A novel code representation for detecting java code clones using high-level and abstract compiled code representations一种用于检测Java代码克隆的新型代码表示方法，利用高层和抽象的编译代码表示
IF0
PREAI
分享收藏
A Generative AI-Driven Method-Level Semantic Clone Detection Based on the Structural and Semantical Comparison of Methods基于方法结构和语义比较的生成式AI驱动方法级语义克隆检测IEEE ACCESS
IEEE ACCESSIF3.6
PREAI
分享收藏
查看更多内容