发明

基于深度神经网络和全局缓存的智能合约代码补全方法2025

2024-06-01 08:01:05 发布于四川 8
  • 申请专利号:CN202410241249.5
  • 公开(公告)日:2025-10-03
  • 公开(公告)号:CN118092889A
  • 申请人:中山大学
摘要:本申请提供的基于深度神经网络和全局缓存的智能合约代码补全方法,在进行代码补全时,可以先获取包含待补全代码的代码数据,以及确定目标标识符预测模型;接着可以利用目标标识符预测模型对代码数据进行预测,得到下一个标识符的预测名称概率和预测类型概率,并利用目标多层感知机确定待补全代码的下一个标识符的预测位置概率,进而对预测位置概率和预测类型概率进行概率整合,并将整合结果与预测名称概率进行权重调整,得到调整结果,最后基于该调整结果确定待补全代码的下一标识符,进而对待补全代码进行代码补全。本申请利用多层感知机构建全局缓存,并结合代码标识符类型和标识符名称的预测,可以理解上下文语义信息,提高补全代码的准确性。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 118092889 A (43)申请公布日 2024.05.28 (21)申请号 202410241249.5 (22)申请日 2024.03.04 (71)申请人 中山大学 地址 510275 广东省广州市海珠区新港西 路135号 (72)发明人 蒋子规 袁琦浩 郑子彬  (74)专利代理机构 北京集佳知识产权代理有限 公司 11227 专利代理师 杨艺 (51)Int.Cl. G06F 8/33 (2018.01) G06F 8/41 (2018.01) G06N 3/0442 (2023.01) G06N 3/047 (2023.01) G06F 18/2415 (2023.01) 权利要求书3页 说明书13页 附图2页 (54)发明名称 基于深度神经网络和全局缓存的智能合约 代码补全方法 (57)摘要 本申请提供的基于深度神经网络和全局缓 存的智能合约代码补全方法,在进行代码补全 时,可以先获取包含待补全代码的代码数据,以 及确定目标标识符预测模型;接着可以利用目标 标识符预测模型对代码数据进行预测,得到下一 个标识符的预测名称概率和预测类型概率,并利 用目标多层感知机确定待补全代码的下一个标 识符的预测位置概率,进而对预测位置概率和预 测类型概率进行概率整合,并将整合结果与预测 名称概率进行权重调整,得到调整结果,最后基 于该调整结果确定待补

最新专利