基于預(yù)訓(xùn)練Transformer語言模型的源代碼剽竊檢測研究

打開文本圖片集

摘要： 為解決源代碼剽竊檢測的問題， 以及針對現(xiàn)有方法需要大量訓(xùn)練數(shù)據(jù)且受限于特定語言的不足， 提出了一種基于預(yù)訓(xùn)練Transformer 語言模型的源代碼剽竊檢測方法， 其結(jié)合了詞嵌入、相似度計算和分類模型。該方法支持多種編程語言， 不需要任何標(biāo)記為剽竊的訓(xùn)練樣本， 即可達(dá)到較好的檢測性能。實驗結(jié)果表明，該方法在多個公開數(shù)據(jù)集上取得了先進(jìn)的檢測效果， F1 值接近。（剩余6625字）