一种结合深度学习与后向切片的程序自动生成方法

摘要

本发明公开了一种结合深度学习与后向切片的程序自动生成方法，包括：获取目标程序并解析得到程序草图，从程序草图中抽取标签得到用于训练模型的标签与程序草图的数据对，将标签与程序草图的数据对作为训练数据，在改进的encoder‑decoder神经网络架构下的程序合成方法中进行模型训练得到程序合成模型；获取任务规范，对任务规范的编程任务描述解析得到标签，将标签输入程序合成模型生成候选程序草图，根据预设的启发式策略对候选程序草图进行变量填充生成候选程序，用静态向后切片方法去除候选程序的冗余代码得到精准程序。本发明可以扩展程序搜索空间以提升程序合成的精度和能力，从而扩展程序生成的规模。