(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111682428.5 (22)申请日 2021.12.3 0 (71)申请人 中山大学 地址 510275 广东省广州市新港西路13 5号 (72)发明人 何坤宁　陈湘萍　黄袁　周晓聪　 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 代理人 彭祯奇 (51)Int.Cl. G06F 8/73(2018.01) G06F 40/169(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种代码注释生成方法及装置 (57)摘要 本申请公开一种代码注释生成方法及 装置， 本申请通过 获取第一项目的源代码， 将源代码编 译成字节码， 根据字节码生成控制流程图， 将字 节码及控制流程图输入注释翻译模 型， 得到注释 翻译模型输出的源代码的注释 。 本申请方案通过 将第二项目的源代码转化成字节码和控制流程 图， 并通过第二项目的字节码和控制流程图训练 注释翻译模 型， 得到注释翻译模 型输出的第二项 目的源代码的注释， 相比于现有技术， 由于第二 项目和第一项目的源代码的字节码具有相似性， 可以利用第二项目的训练数据训练注释翻译模 型， 得到的注释翻译模型可以供具有相似字节码 的第一项目使用， 降低了注释翻译模 型的学习成 本。 权利要求书2页 说明书9页 附图2页 CN 114296792 A 2022.04.08 CN 114296792 A 1.一种代码注释生成方法， 其特 征在于， 包括： 获取第一项目的源代码； 将所述源代码编译成字节码； 根据所述字节码生成控制流 程图； 将所述字节码及所述控制流程图输入注释翻译模型， 得到所述注释翻译模型输出的所 述源代码的注释； 所述注释翻译模型， 以第 二项目的字节码及所述第 二项目的字节码的控制流程图作为 训练样本， 以第二项目的源代码的注释为训练标签训练得到 。 2.根据权利要求1所述的方法， 其特征在于， 所述注释翻译模型包括位置编码层、 编码 器、 解码器、 全连接层和GRU编码层； 所述注释翻译模型的训练过程， 包括： 通过位置编码层， 对获取的所述样本字节码及所述样本控制流程图进行位置编码， 得 到语言序列； 通过编码器， 对所述样本 字节码进行处 理得到编码特 征； 通过解码器， 根据所述语言序列生成与所述编码特 征对应的解码结果； 通过GRU编码层， 对所述样本控制流 程图进行处 理得到特 征向量； 通过全连接层， 根据所述 解码结果和所述特 征向量， 生成所述注释； 利用损失函数对生成的所述注释， 与所述样本字节码及样本控制流程图对应的注释标 签的差值进行计算， 得到翻译损失值； 根据所述翻译损失值， 更新注释翻译模型的参数。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述解码结果和所述特征向量， 生成所述注释， 包括： 基于预设词汇 表， 利用如下公式预测生成所述注释中的各个单词： P({yi|y1,..,yi‑1},xc,xv)＝softmax(W*Concat(Transformer{y1,..,yi‑1},xc),GRU (xv))+b) 其中， P表示预测下一个单词是yi的概率， yi代表生成解码结果中的第i个单词， {y1,.., yi‑1}表示解码结果， xc表示字节码， xv表示控制流图， W表示全连接层的权重矩阵， b表示全连 接层的偏置矩阵， G RU(xv)表示控制流程图的特征向量， softmax作为激活函数， Pi'表示加入 了标签平 滑参数的P， K表示预设词汇 表中的单词总数， 为预设参数。 4.根据权利要求3所述的方法， 其特 征在于， 所述损失函数， 包括： 其中， L表示损失函数。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述字节码生成控制流程图， 包 括： 将所述字节码反编译为 三地址码； 将所述三地址码划分为多个 基本块并按字节码的书 写顺序连接， 生成控制流 程图。权　利　要　求　书 1/2 页 2 CN 114296792 A 26.根据权利要求2所述的方法， 其特征在于， 在所述注释翻译模型的训练过程之前， 还 包括： 对所述样本 字节码和所述注释进行 预处理， 得到新的样本 字节码和新的注释； 将所述新的样本 字节码和控制流 程图作为训练样本， 新的注释作为训练标签。 7.根据权利要求6所述的方法， 其特征在于， 对所述样本字节码和所述注释进行预处 理， 得到新的样本 字节码和新的注释， 包括： 获取本地变量表， 所述本地变量表为保存在本地的记录有用户注释习惯的变量的表； 对所述样本 字节码的字节码Code区进行除杂处 理， 得到除杂后的字节码Code区； 将所述除杂后的字节码Code区与所述本地变量表结合， 得到新的样本 字节码； 将所述注释通过 预设分隔规则， 分割得到多个单词； 将所述单词的形态转换为预设形态， 得到预设形态的单词， 并组成得到新的注释。 8.根据权利要求7所述的方法， 其特征在于， 在将所述单词的形态转换为预设形态， 得 到预设形态的单词， 并组成新的注释之后， 还 包括： 对所述新的样本字节码和新的注释进行去重， 得到去重后的新的样本字节码和新的注 释。 9.一种代码注释生成装置， 其特 征在于， 包括： 源代码获取 单元， 用于获取第一项目的源代码； 字节码编译单 元， 用于将所述源代码编译成字节码； 控制流程图生成单 元， 用于根据所述字节码生成控制流 程图； 模型输出单元， 用于将所述字节码及所述控制流程图输入注释翻译模型， 得到所述注 释翻译模型输出的所述源代码的注释； 所述注释翻译模型， 以第 二项目的字节码及所述第 二项目的字节码的控制流程图作为 训练样本， 以第二项目的源代码的注释为训练标签训练得到 。 10.根据权利要求9所述的方法， 其特 征在于， 所述控制流 程图生成单 元， 包括： 第一控制流 程图生成子单 元， 用于将所述字节码反编译为 三地址码； 第二控制流程图生成子单元， 用于将所述三地址码划分为多个基本块并按字节码的书 写顺序连接， 生成控制流 程图。权　利　要　求　书 2/2 页 3 CN 114296792 A 3