[發明專利]一種高級編程語言間代碼自動轉換方法

在審

• 申請號: 202011617567.5
• 申請日: 2020-12-30
• 公開（公告）號: CN112732264A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 劉毅;李家勛;李旭;肖彬
• 申請（專利權）人: 中國船舶重工集團公司第七0九研究所
• 主分類號: G06F8/40
• 分類號: G06F8/40;G06F8/30
• 代理公司: 武漢河山金堂專利事務所(普通合伙) 42212
• 代理人: 胡清堂

本發明公開了一種高級編程語言間代碼自動轉換方法，包括如下步驟：S1、搜集各種編程語言大量的源代碼，作為神經模型訓練的語料庫；S2、采用自然語言翻譯中使用的跨語言的seq2seq模型進行訓練，該模型采用transformer架構。本發明采用人工智能技術，將自然語言機器翻譯中的神經模型借鑒到編程語言轉換中，經過模型訓練，實現高級編程語言間代碼自動轉換的目的，可以廣泛應用于計算機編程語言領域。

技術領域

本發明涉及計算機編程語言和人工智能領域，特別是涉及一種高級編程語言間代碼自動轉換方法。

背景技術

將高級編程語言寫成的源代碼轉自動換成另一種語言(如將C++轉換成JAVA)，能夠提高代碼的復用性、減少軟件開發的工作量、縮短項目周期，具有重要的現實意義。目前主要采用源到源編譯器技術實現該功能，它通常依賴于手動編寫的重寫規則，并應用于源代碼抽象語法樹。但是，源到源編譯器存在一些缺陷，如轉換結果通常缺乏可讀性，無法遵循目標編程語言的規范，需要程序員進行手動修改才能準確運行。整個轉換過程不僅耗時，還需要程序員能夠同時掌握源語言和目標語言的專業知識，因此使用該方法進行代碼轉換項目的工作量很大，實際應用較困難。

發明內容

本發明的目的是為了克服上述背景技術的不足，提供一種高級編程語言間代碼自動轉換方法，使其針對目前高級編程語言間代碼自動轉換問題沒有好的解決辦法、自動化程度低的問題，采用人工智能技術，將自然語言機器翻譯中的神經模型借鑒到編程語言轉換中，經過模型訓練，實現高級編程語言間代碼自動轉換的目的。

本發明提供的一種高級編程語言間代碼自動轉換方法，包括如下步驟：S1、搜集各種編程語言大量的源代碼，作為神經模型訓練的語料庫；S2、采用自然語言翻譯中使用的跨語言的seq2seq模型進行訓練，該模型采用transformer架構。

在上述技術方案中，所述步驟S1中，編程語言包括C++和JAVA。

在上述技術方案中，所述步驟S2的具體步驟如下：S21、預訓練編碼器和解碼器，產生跨語言的句子表征；S22、語言建模，訓練同語種翻譯，利用去噪自編碼，訓練解碼器生成有效的序列；S23、利用回譯訓練跨語種翻譯。

在上述技術方案中，所述步驟S21的具體步驟如下：S211、采用XLM來分別預訓練編碼和解碼器，把各種編程語言語料庫放在一起，每次batch選擇一種語言；S212、使用MLM模型和TLM模型進行訓練和交互。

在上述技術方案中，所述步驟S22的具體步驟如下：S221、給輸入加上干擾，然后把它傳給機器翻譯模型；S222、解碼器重新把正確的代碼恢復，即自己翻譯自己。

在上述技術方案中，所述步驟S23的具體步驟如下：S231、利用步驟S22產生的模型進行兩次翻譯，從A語言翻譯到B語言，再從B語言到A語言，構建有監督的數據集；S232、將有監督的數據集當做信號回傳給翻譯模型進行訓練。

在上述技術方案中，還包括步驟S3、使用測試集進行對比測試，驗證模型訓練后自動轉換不同編程語言間代碼的轉換對齊質量。

在上述技術方案中，所述步驟S3的具體過程為：測試使用三個評估度量指標：BLEU值、參考匹配和計算準確率。

在上述技術方案中，所述步驟S3中，所述BLEU值用于評估生成函數的質量；參考匹配用于評估轉換結果完美匹配真值參考的比例；計算準確率用于評估當輸入相同時，假設函數是否生成與參考相同的輸出。

本發明高級編程語言間代碼自動轉換方法，具有以下有益效果：

1)僅需單語源代碼即可實現編程語言轉換，無需任何源語言或目標語言的專業知識；

2)能夠成功掌握每種語言的特定復雜模式，并將其遷移至其他高級語言；

3)代碼轉換效率和質量大幅超過利用規則的源到源編譯器方法；