1.一种基于信息检索的智能合约代码注释生成方法,其特征在于,包括以下步骤:(1)搜集来自Etherscan.io的智能合约语料库,对该语料库进行预处理操作,得到数据集D,设定数据集D的格式为<方法,注释>,该数据集包含来自40932个智能合约的57676个<方法,注释>对;
(2)使用CodeBert提取代码语义特征,并通过BERT-whitening进行关键特征提取和降维,计算语义相似度,选择排在前k位语义最相似的代码片段作为候选代码;
(3)将代码片段视为由词元组成的集合,通过Jaccard相似度计算集合之间的词法相似度;
(4)考虑智能合约代码的抽象语法树信息,通过编辑距离计算AST序列之间的语法相似度;
(5)根据词法和语法相似度融合的比例加权求和计算出混合分数后,从候选代码中找出最相似的代码片段,重用它的代码注释。
2.根据权利要求1所述的基于信息检索的智能合约代码注释生成方法,其特征在于,所述步骤(2)中通过CodeBert和BERT-whitening操作提取代码语义信息,具体包括如下步骤:(2-1)对于给定的智能合约代码段,首先根据驼峰大小写命名规则对其进行分割,得到输入序列;
(2-2)将序列输入到CodeBert中,提取输出中第一层和最后一层的隐藏状态,并对它们取平均值,得到代码段的语义特征向量;
(2-3)使用BERT-whitening处理语义向量,通过线性变换进行关键特征提取和降维;
(2-4)通过计算目标代码段和训练集中代码段语义向量之间的L2距离,推导出代码段间的语义相似度;
(2-5)使用FAISS库作为向量检索工具,根据语义相似度选择训练集中排在前k位的候选相似代码。
3.根据权利要求1所述的基于信息检索的智能合约代码注释生成方法,其特征在于,所述步骤(3)中计算代码片段间的词法相似度,具体包括如下步骤:(3-1)首先根据驼峰大小写命名规则分割代码序列;
(3-2)对代码序列进行去重复操作,以获得代码片段的词元集合;
(3-3)通过Jaccard相似度计算集合之间的相似度。
4.根据权利要求1所述的基于信息检索的智能合约代码注释生成方法,其特征在于,所述步骤(4)中计算代码片段间的语法相似度,具体包括如下步骤:(4-1)使用solidity-parser-antlr将智能合约代码转换为相应的抽象语法树(ASTs);
(4-2)使用SimSBT方法遍历AST树的类型节点,以获得有序序列;
(4-3)计算有序序列之间的编辑距离获得它们的相似度。
5.根据权利要求1所述的基于信息检索的智能合约代码注释生成方法,其特征在于,所述步骤(5)根据词法和语法相似度融合的比例加权求和计算出混合分数,从候选代码中找出最相似的代码片段,重用它的代码注释;
该基于信息检索的智能合约代码注释生成方法的最优参数设置如下:BERT-whitening操作的维数K:256;
混合词法和语法相似度分数的系数λ:0.7。