[發(fā)明專利]代碼變更的注釋生成方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011322526.3
• 申請日: 2020-11-23
• 公開（公告）號: CN112394974A
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計）人: 王健宗;李澤遠;何安珣
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F8/70
• 分類號: G06F8/70;G06F21/10
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種代碼變更的注釋生成方法，其特征在于，所述方法應用于客戶端，并包括：

接收服務端發(fā)送的模型參數(shù)和損失下限；

獲取根據(jù)變更代碼產(chǎn)生的差異文件和標準注釋，得到本地訓練數(shù)據(jù)集及標簽集；

根據(jù)所述模型參數(shù)，使用所述本地訓練數(shù)據(jù)集對預構(gòu)建的注釋生成模型進行訓練，得到所述注釋生成模型輸出的注釋結(jié)果，根據(jù)所述注釋結(jié)果與所述標簽集得到損失值，在所述損失值小于所述損失下限時，獲取所述注釋生成模型的模型參數(shù)作為本地模型參數(shù)并將所述損失值和所述本地模型參數(shù)加密傳輸給所述服務端；

接收所述服務端傳送的更新后的模型參數(shù)和損失下限，并對所述更新后的模型參數(shù)和損失下限進行解密；

返回上述的根據(jù)所述模型參數(shù)和所述損失下限，使用所述本地訓練數(shù)據(jù)集對預構(gòu)建的注釋生成模型進行訓練的步驟，直到滿足預設(shè)的終止條件，得到訓練完成的注釋生成模型；

使用所述訓練完成的注釋生成模型對根據(jù)用戶輸入的變更代碼數(shù)據(jù)生成注釋。

2.如權(quán)利要求1所述的代碼變更的注釋生成方法，其特征在于，所述根據(jù)所述模型參數(shù)，使用所述本地訓練數(shù)據(jù)集對預構(gòu)建的注釋生成模型進行訓練，得到所述注釋生成模型輸出的注釋結(jié)果，根據(jù)所述注釋結(jié)果與所述標簽集得到損失值，在所述損失值小于所述損失下限時，獲取所述注釋生成模型的模型參數(shù)作為本地模型參數(shù)并將所述損失值和所述本地模型參數(shù)加密傳輸給所述服務端，包括：

使用所述模型參數(shù)對所述預構(gòu)建的注釋生成模型進行初始化；

使用所述本地訓練數(shù)據(jù)集對初始化后的所述注釋生成模型進行迭代訓練，并根據(jù)所述注釋生成模型輸出的注釋結(jié)果和所述標簽集計算初始損失值；

將所述初始損失值與所述損失下限進行比較；

當所述初始損失值大于所述損失下限時，調(diào)整所述注釋生成模型的參數(shù)，并返回上述的使用所述本地訓練數(shù)據(jù)集對初始化后的所述注釋生成模型進行迭代訓練的步驟；

當所述初始損失值小于或等于所述損失下限時，將所述初始損失值以及所述注釋生成模型的參數(shù)加密傳輸給所述服務端。

3.如權(quán)利要求2所述的代碼變更的注釋生成方法，其特征在于，所述使用所述本地訓練數(shù)據(jù)集對初始化后的所述注釋生成模型進行迭代訓練，并根據(jù)所述注釋生成模型輸出的注釋結(jié)果和所述標簽集計算初始損失值，包括：

步驟A：將所述本地訓練數(shù)據(jù)集輸入至初始化后的所述注釋生成模型中，得到初始化后的所述注釋生成模型輸出的注釋結(jié)果；

步驟B：根據(jù)所述標簽集，使用預設(shè)的目標函數(shù)計算所述注釋結(jié)果的訓練損失值；

重復上述步驟A及步驟B，直到所述訓練損失值收斂，得到初始損失值。

4.如權(quán)利要求3所述的代碼變更的注釋生成方法，其特征在于，所述使用預設(shè)的目標函數(shù)計算所述注釋結(jié)果的訓練損失值，包括：

獲取所述注釋結(jié)果，其中，所述注釋結(jié)果包括目標序列以及所述目標序列中每個詞的預測概率；

利用下述目標函數(shù)計算所述注釋結(jié)果的訓練損失值：

其中，L是所述訓練損失值，N是所述本地訓練數(shù)據(jù)集的總數(shù)，l是所述注釋結(jié)果中目標序列的長度，是所述本地訓練數(shù)據(jù)集中第i個數(shù)據(jù)對應的目標序列中的第j個詞的預測概率值。

5.一種代碼變更的注釋生成方法，其特征在于，所述方法應用于服務端，并包括：

隨機生成模型參數(shù)及損失下限，并將所述模型參數(shù)及損失下限發(fā)送給多個客戶端；

接收每個客戶端發(fā)送的加密后的本地模型參數(shù)及損失值；

根據(jù)所有所述客戶端的本地模型參數(shù)計算權(quán)重向量，并根據(jù)所述權(quán)重向量及所有所述客戶端的本地模型參數(shù)計算更新后的模型參數(shù)，以及根據(jù)所有所述客戶端的損失值計算更新后的損失下限；

將所述更新后的模型參數(shù)及所述更新后的損失下限發(fā)送給各個所述客戶端。