TGMM：基于解析树与 GPU 的可扩展多语言多粒度代码克隆检测工具
软件工程
2024-12-06 v2
摘要
编程语言和软件系统的快速演化 necessitates 实施多语言和可扩展克隆检测工具。然而，同时满足上述需求较为困难。大多数现有工具仅聚焦于单一挑战。本文提出了 TGMM，这是一个基于树结构与 GPU 的多语言多粒度代码克隆检测工具。通过基于用户提供的语法文件生成解析树，TGMM 能够在指定粒度上提取代码块并高效检测 Type-3 克隆。为评估 TGMM 的性能，我们与七个最先进工具就召回率、精确率和执行时间进行比较。实验结果表明，TGMM 在执行时间和精确率上名列前茅，而其召回率与其他工具相当。此外，我们分析了 TGMM 在 30 种主流编程语言中的语言可扩展性。其中，25 种语言已被支持，其余 5 种目前缺乏必要的语法文件。最后，我们在九种流行语言的五种常见粒度上分析了克隆特征，旨为后续研究提供启发。TGMM 的源码已公开：https://github.com/TGMM24/TGMM.git。
引用
@article{arxiv.2403.18202,
title = {TGMM: Combining Parse Tree with GPU for Scalable Multilingual and Multi-Granularity Code Clone Detection},
author = {Yuhang Ye and Yuekun Wang and Yinxing Xue and Yueming Wu and Yang Liu},
journal= {arXiv preprint arXiv:2403.18202},
year = {2024}
}
备注
I want to withdraw my paper. My paper contains misleading experimental results, which will cause confusion to readers