龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京大学
申请日：2024-04-29
公开（公告）日：2024-07-05
公开（公告）号：CN118295700A
主分类号：G06F8/73
分类号：G06F8/73;G06F18/22;G06F40/30;G06N20/00
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了一种基于语义重排序模型的代码注释生成模型增强方法，包括：步骤1输入代码注释生成数据集，作为方法的输入；步骤2设计一种基于多维度采样的微调数据集构造方法，完成微调数据集构造；步骤3设计基于对比学习的语义重排序模型微调流程，对自然语言语义重排序模型进行微调；步骤4结合信息检索系统的一般框架，设计了基于语义重排序模型的代码注释生成模型增强算法；步骤5利用深度学习模型、信息检索技术获取候选注释结果；步骤6获取相似度最高的候选注释作为结果输出。本方法降低了深度学习模型的代码注释生成方法的时间和算力成本，并且充分利用了现有已训练好模型的资源。
主权项：1.一种基于语义重排序模型的代码注释生成模型增强方法，其特征在于，该方法包括以下步骤：步骤1输入代码注释生成数据集，作为方法的输入；步骤2设计一种基于多维度采样的微调数据集构造方法，完成微调数据集构造；步骤3设计基于对比学习的语义重排序模型微调流程，对自然语言语义重排序模型进行微调；步骤4结合信息检索系统的一般框架，设计基于语义重排序模型的代码注释生成模型增强算法；步骤5利用深度学习模型、信息检索技术获取候选注释结果；步骤6获取相似度最高的候选注释作为结果输出。
全文数据：
权利要求：
百度查询： 南京大学 一种基于语义重排序模型的代码注释生成模型增强方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号