CC2Vec：结合类型化标记与对比学习的代码克隆检测
软件工程
2024-05-02 v1
摘要
随着开源社区的发展，代码常常在多个软件系统中被复制、传播和演化，这给软件系统带来不确定性和风险（例如错误传播和版权侵权）。因此，进行代码克隆检测以发现相似的代码对至关重要。已提出许多方法来检测代码克隆，其中基于标记的工具可扩展到大规模代码。然而，由于缺乏程序细节，这些方法无法处理更复杂的代码克隆，即语义代码克隆。本文引入CC2Vec，一种新的代码编码方法，用于快速识别简单代码克隆，同时增强语义代码克隆检测的能力。为保留标记之间的程序细节，CC2Vec根据语法类型将其分为不同类别（即类型化标记），然后应用两个自注意力机制层对其进行编码。为抵抗语义代码克隆中代码结构变化，CC2Vec执行对比学习以减少不同代码实现引入的差异。我们在两个广泛使用的数据集（即BigCloneBench和Google Code Jam）上评估了CC2Vec，结果表明该方法能够有效检测简单代码克隆。此外，CC2Vec不仅通过简单微调即可实现与ASTNN、SCDetector和FCCA等广泛使用的语义代码克隆检测系统相当的性能，还在检测效率方面显著优于这些方法。
引用
@article{arxiv.2405.00428,
title = {CC2Vec: Combining Typed Tokens with Contrastive Learning for Effective Code Clone Detection},
author = {Shihan Dou and Yueming Wu and Haoxiang Jia and Yuhao Zhou and Yan Liu and Yang Liu},
journal= {arXiv preprint arXiv:2405.00428},
year = {2024}
}
备注
21 pages, 7 figures