[發明專利]一種基于ai的程序語言間轉換的方法

在審

• 申請號: 202111364785.7
• 申請日: 2021-11-17
• 公開（公告）號: CN114253521A
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 李想
• 申請（專利權）人: 上海賽可出行科技服務有限公司
• 主分類號: G06F8/30
• 分類號: G06F8/30;G06F8/51
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于ai的程序語言間轉換的方法，主要包括以下步驟：1.數據爬蟲，根據幾個特定語言學習網站進行學習語言基本內容，得到基本訓練數據，2.爬取數據后，數據預處理，訓練得到兩個基本的程序生產模型；3.根據程序規則和nlp訓練程序長文本分段模型；4.使用程序文本分段模型對原代碼文本進行分段處理5.分段之后使用from模型進行邏輯抽取，得到程序邏輯標準文件；5.根據代碼邏輯標準文件和to模型的程序生產，進行代碼文件轉換。本發明解決了不同語言間轉換規則的問題，可擴展其他語言，減少了瑣碎且重復性的開發；節省了大量人力來開發轉換器，能夠根據配置進行語言之間的轉換，以達到高效率高擴展高準確率的目的。

技術領域

本發明涉及深度學習，機器學習領域，特別涉及一種基于ai的程序語言間轉換的方法。

背景技術

在從匯編-低級-高級程序語言處理高速的發展階段中，越來越多的語言使用在各種企業中，但一些企業信息系統上是使用相對比較舊的語言進行開發的，而企業信息化的改造在不停發展，一些企業隨著業務發展，規模不斷擴大，有著跨語言信息化系統升級或者重構的需求，但大多數做法是使用大量人力來進行系統改造。也一些也有使用轉換器/翻譯器進行改造。

很多企業使用人力的方式來進行信息系統跨語言改造，這耗費了大量的人力和財力以及工期，也有部分企業使用轉換器來做升級，但轉換器需要人們進行編寫，而且限制了兩端語言針對性強不易擴展，當換語言時也需要重新編寫。因此為了提高效率和擴展性有必要使用新的技術進行實現，ai在科技發展中越來越重要。

發明內容

本發明要解決的技術問題是克服現有技術的缺陷，提供一種基于ai的程序語言間轉換的方法，能夠根據配置進行語言之間的轉換，具體的轉換根據配置選擇不同模型實現代碼轉換，以達到高效率高擴展高準確率的目的。

本發明提供了如下的技術方案：

本發明提供一種基于ai的程序語言間轉換的方法，具體包括以下步驟：

S1.配置訓練的語言類型，Form COBOL，To JAVA；

S2.選擇程序語言基礎網站：菜鳥教學，W3CSchool，CSDN，設定爬蟲程序的四個基本信息，數據定義成分，程序控制成分，數據傳輸成分，函數成分；其中數據定義成分劃分為基本數據和高級數據；程序控制成分劃分為順序，選擇，循環；數據傳輸成分定為輸入和輸出；函數成分主要為函數逇定義和執行，單模型相同類型的數據集合需大于80份數據，單量大于400份數據，兩個語言類型總量大于800數據集；

S3.根據S1獲得數據后進行數據預處理；劃分訓練數據集,驗證數據集和測試數據集，為了防止模型過擬合，這里測試數據進行重排，亂序，重采樣及復制數據加上隨機噪聲處理；

S4.得到From和To模型訓練集，驗證集和測試集合后，選擇分類模型進行訓練，選擇分類模型；使用訓練集多次訓練，驗證集合進行驗證來評估模型，后利用測試集合進行模型優化，后得到兩個From和To程序語言識別和生成模型；

S5.由于程序語言基本為英文，這相比中文來說NLP文本處理方便很多；利用NLP自然語言處理和規則程序文本分段模型，這里以數據定義，邏輯分支，函數，單挑語句等規則進行段落劃分標準，對程序文本進行分段處理，方便后續進行代碼邏輯識別；

S6.得到程序的分段后，利用From進行邏輯識別提取，提取后進行邏輯組合得到本方法所需要的邏輯標準文件；

S7.得到邏輯標準文件，驗證其文檔格式是否是謂詞組合；

S8.利用To模型和邏輯標準文件，生成需要轉換的代碼；

S9.得到轉換后的代碼后，這里依然要使用人工來驗證準確，防止實際項出現問題。

與現有技術相比，本發明的有益效果如下：