CN115729529A - 信息处理方法、装置、设备及存储介质 - Google Patents

Abstract

本申请提供一种信息处理方法、装置、设备及存储介质。该方法包括：获取基于源代码数据构建的初始语法树，源代码数据包括多条语句；确定初始语法树中关键语句对应的关键节点；对初始语法树进行剪枝处理以删除冗余节点，获得包含关键节点的语法树；对语法树进行遍历，获得语法树对应的遍历序列；对遍历序列中各关键节点的节点信息进行拼接，获得语法树对应的节点拼接信息序列，节点信息包括节点值和节点类型；根据节点拼接信息序列生成语法树对应的向量表示信息。本申请的方法，对语法树进行剪枝处理，从而去除了冗余数据，得到关键节点对应的向量数据，有效解决了向量数据长度不均衡的问题，采用上述方式处理的向量数据能够较好地进行模型训练。

Description

信息处理方法、装置、设备及存储介质

技术领域

本申请涉及计算机领域，尤其涉及一种信息处理方法、装置、设备及存储介质。

背景技术

随着人工智能技术的发展，使用人工智能模型学习程序源代码已经成为目前研究的重点。语法树是程序源代码的等价表示，具有层次清晰、结构简洁、语法准确的特点。

目前，通常先通过程序代码生成抽象语法树，对抽象语法树中的程序代码进行转换，得到向量化表示结果。

但是，有些程序代码有数百甚至数千行，而有些程序代码只有几行，采用这些程序代码生成的语法树所得到向量数据长度不均衡，从而影响到模型训练。

发明内容

本申请提供一种信息处理方法、装置、设备及存储介质，用以解决现有的用于训练的向量数据长度不均衡，从而影响到模型训练的问题。

第一方面，本申请提供一种信息处理方法，包括：

获取基于源代码数据构建的初始语法树，所述源代码数据包括：多条语句；

确定所述初始语法树中关键语句对应的关键节点；

对所述初始语法树进行剪枝处理以删除冗余节点，获得包含所述关键节点的语法树；

对所述语法树进行遍历，获得所述语法树对应的遍历序列；

对所述遍历序列中各关键节点的节点信息进行拼接，获得所述语法树对应的节点拼接信息序列，所述节点信息包括：节点值和节点类型；

根据所述节点拼接信息序列生成所述语法树对应的向量表示信息。

第二方面，本申请提供一种信息处理装置，包括：

获取单元，用于获取基于源代码数据构建的初始语法树，所述源代码数据包括：多条语句；

处理单元，用于确定所述初始语法树中关键语句对应的关键节点；

处理单元，还用于对所述初始语法树进行剪枝处理以删除冗余节点，获得包含所述关键节点的语法树；

处理单元，还用于对所述语法树进行遍历，获得所述语法树对应的遍历序列；

拼接单元，用于对所述遍历序列中各关键节点的节点信息进行拼接，获得所述语法树对应的节点拼接信息序列，所述节点信息包括：节点值和节点类型；

处理单元，还用于根据所述节点拼接信息序列生成所述语法树对应的向量表示信息。

第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如第一方面所述的方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。

本申请提供的信息处理方法、装置、设备及存储介质，通过获取基于源代码数据构建的初始语法树，所述源代码数据包括：多条语句；确定所述初始语法树中关键语句对应的关键节点；对所述初始语法树进行剪枝处理以删除冗余节点，获得包含所述关键节点的语法树；对所述语法树进行遍历，获得所述语法树对应的遍历序列；对所述遍历序列中各关键节点的节点信息进行拼接，获得所述语法树对应的节点拼接信息序列，所述节点信息包括：节点值和节点类型；根据所述节点拼接信息序列生成所述语法树对应的向量表示信息，在进行源代码转换向量的过程中，对语法树进行剪枝处理，从而去除了冗余数据，得到关键节点对应的向量数据，有效解决了向量数据长度不均衡的问题，采用上述方式处理的向量数据能够较好地进行模型训练。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请提供的信息处理方法的网络架构示意图；

图2为本申请提供的一种信息处理方法的流程示意图；

图3为本申请提供的另一种信息处理方法的流程示意图；

图4为本申请提供的一种语法树示意图；

图5为本申请提供的一种信息处理装置的结构示意图；

图6为用来实现本申请实施例的信息处理方法的电子设备的第一框图；

图7为用来实现本申请实施例的信息处理方法的电子设备的第二框图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

为了清楚理解本申请的技术方案，首先对现有技术的方案进行详细介绍。

目前，通常先通过程序代码生成抽象语法树，对抽象语法树中的程序代码进行转换，得到向量化表示结果。

但是，有些程序代码有数百甚至数千行，而有些程序代码只有几行，采用这些程序代码生成的语法树所得到向量数据长度不均衡，从而影响到模型训练。

所以针对现有技术中基于用于训练的向量数据长度不均衡，从而影响到模型训练的问题，发明人在研究中发现，获取基于源代码构建的初始语法树，确定初始语法树中关键语句对应的关键节点，对初始语法树进行剪枝处理，从而删除冗余节点，获得包含关键点的语法树，对语法树进行遍历，获得语法树对应的遍历序列，对遍历序列中各关键节点的节点信息进行拼接，获得节点拼接信息序列，进一步根据节点拼接信息序列生成语法树对应的向量表示信息，在进行源代码转换向量的过程中，对语法树进行剪枝处理，从而去除了冗余数据，得到关键节点对应的向量数据，有效解决了向量数据长度不均衡的问题，从而采用上述方式处理的向量数据能够较好地进行模型训练。

所以发明人基于上述的创造性发现，提出了本申请实施例的技术方案。下面对本申请实施例提供的信息处理方法的网络架构及应用场景进行介绍。

如图1所示，本申请实施例提供的信息处理方法对应的网络架构中包括：用户终端1与服务器2，用户终端1与服务器2进行通信连接。用户终端1中预先安装有信息处理方法对应的客户端。用户通过用户终端1发送源代码数据至服务器2，服务器2接收源代码数据，其中，源代码数据包括多条语句，基于源代码数据构建初始语法树，服务器2获取基于源代码数据构建的初始语法树，源代码数据包括多条语句；服务器2确定初始语法树中关键语句对应的关键节点；服务器2对初始语法树进行剪枝处理以删除冗余节点，获得包含关键节点的语法树；对语法树进行遍历，获得语法树对应的遍历序列；对遍历序列中各关键节点的节点信息进行拼接，获得语法树对应的节点拼接信息序列，节点信息包括节点值和节点类型；服务器2根据节点拼接信息序列生成语法树对应的向量表示信息，服务器2将向量表示信息发送至用户终端1。在进行源代码转换向量的过程中，对语法树进行剪枝处理，从而去除了冗余数据，得到关键节点对应的向量数据，有效解决了向量数据长度不均衡的问题，采用上述方式处理的向量数据能够较好地进行模型训练。

以下将参照附图来具体描述本发明的实施例。

图2为本申请提供的一种信息处理方法的流程示意图，该方法应用于电子设备。其中，电子设备可以为表示各种形式的数字计算机。诸如，蜂窝电话、智能电话、膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。如图2所示，该方法包括：

步骤201，获取基于源代码数据构建的初始语法树，源代码数据包括：多条语句。

抽象语法树(abstract syntax tree或者缩写为AST)，或者语法树(syntaxtree)，是源代码的抽象语法结构的树状表现形式，语法树是句子结构的图形表示，它代表了句子的推导结果，有利于理解句子语法的结构的层次，语法树就是按照某一规则进行推导时所形成的的树，树上的每个节点都表示源代码中的一种结构。

在本实施例中，获取基于源代码数据构建的初始语法树，源代码数据包括多条语句，实际上就是基于源代码数据的多条语句构建语法树。

步骤202，确定初始语法树中关键语句对应的关键节点。

在本实施例中，初始语法树由多个节点构成，可以预先设置关键语句，若关键语句为表达式语句，其关键信息包括定义局域和运算语句；若关键语句为类等数据语句，其关键信息包括函数及变量。根据关键信息确定语法树中关键语句对应的关键节点。

步骤203，对初始语法树进行剪枝处理以删除冗余节点，获得包含关键节点的语法树。

在本实施例中，除关键点之外的节点均为冗余节点，对初始语法树进行剪枝处理，从而删除冗余节点，得到包含关键节点的语法树，初始语法树经过剪枝处理去掉了除关键节点之外的冗余节点，保留关键节点。

步骤204，对语法树进行遍历，获得语法树对应的遍历序列。

在本实施例中，对包含关键节点的语法树进行遍历，遍历是指沿着某条搜索线路，依次对语法树中每个关键节点做一次访问，不同的遍历方式，其访问节点的顺序是不一样的，遍历方式包括前序遍历、中序遍历、后序遍历、深度优先遍历及广度优先遍历，采用的遍历方式不同得到的关键节点对应的遍历序列也不同。

其中，前序遍历顺序为根节点、左子树及右子树，遍历左子树和右子树时，先访问根节点，再遍历左子树，最后遍历右子树。其中，中序遍历顺序为左子树、根节点及右子树，遍历左子树和右子树时，先访问左子树、再遍历根节点，最后遍历右子树。其中，后序遍历的顺序为左子树、右子树及根节点，遍历左子树和右子树时，先遍历左子树，再遍历右子树，最后访问根节点。上述前序遍历、中序遍历及后序遍历的区别点就是访问根节点的顺序。其中，深度优先遍历从根节点开始，一直访问左子节点，一直到为空，再向上依次返回访问右子节点。对于广度优先遍历，将树进行分层，根节点为第一层，根节点的子节点为第二层，第二层的子节点为第三层，依次递推，遍历的时候会对每一层进行依次访问。

步骤205，对遍历序列中各关键节点的节点信息进行拼接，获得语法树对应的节点拼接信息序列，节点信息包括节点值和节点类型。

在本实施例中，将遍历序列中各关键节点的节点信息进行拼接，其中，节点信息包括节点值和节点类型，从而获得语法树对应的节点拼接信息序列。

步骤206，根据节点拼接信息序列生成语法树对应的向量表示信息。

在本实施例中，采用向量模型，基于节点拼接信息序列生成语法树对应的向量表示信息，从而采用向量表示信息进行神经网络的训练，采用深度学习技术能够进行错误检测、代码生成、代码补全等代码分析任务。

在本实施例中，获取基于源代码构建的初始语法树，确定初始语法树中关键语句对应的关键节点，对初始语法树进行剪枝处理，从而删除冗余节点，获得包含关键点的语法树，对语法树进行遍历，获得语法树对应的遍历序列，将遍历序列中各关键节点的节点信息进行拼接，获得节点拼接信息序列，进一步根据节点拼接信息序列生成语法树对应的向量表示信息，在进行源代码转换向量的过程中，对语法树进行剪枝处理，从而去除了冗余数据，得到关键节点对应的向量数据，有效解决了向量数据长度不均衡的问题，采用上述方式处理的向量数据能够较好地进行模型训练。

图3为本申请提供的另一种信息处理方法的流程示意图，该方法应用于电子设备，如图3所示，该方法包括：

步骤301，获取待处理的源代码数据，采用递归下降分析算法基于待处理的源代码数据构建初始语法树。

在本实施例中，采用递归下降分析算法，利用算法构建的语法分析器和词法分析器，基于待处理的源代码数据构建初始语法树。

步骤302，获取基于源代码数据构建的初始语法树，源代码数据包括：多条语句。

在本实施例中，步骤302与步骤201具有相同的技术特征，具体描述可参考步骤201，在此不做赘述。

步骤303，确定初始语法树中关键语句对应的关键节点。

在一种可能的实现方式中，确定初始语法树中关键语句对应的关键节点，包括：

步骤3021，获取预设关键语句对应的关键信息。

在本实施例中，获取预设关键语句对应的关键信息，用户可以预先设置关键语句，如，分析表达式对应的向量表示信息，将表达式语句确定为关键语句。

步骤3022，若关键信息为漏洞点信息，则识别初始语法树中与漏洞点信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点。

在本实施例中，对初始语法树进行剪枝处理，保留关键节点，将冗余节点删除，关键节点是基于关键信息确定的，具体地，漏洞点信息包括漏洞点涉及的函数和变量语句，若关键信息为漏洞点信息，识别初始语法树中与漏洞点信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点。

步骤3023，若关键信息为表达式信息，则识别初始语法树中与表达式信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点，未匹配的节点信息对应的节点为冗余节点。

在本实施例中，若关键信息为表达式信息，表达式信息包括定义语句和运算局域对应的信息，识别初始语法树中与表达式信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点，未匹配的节点信息对应的节点为冗余节点。

步骤3024，若关键信息为函数信息，则识别初始语法树中与函数信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点。

在本实施例中，若关键信息为函数信息，其中，函数信息包括函数内容及其所涉及的参数变更对应的定义语句和运算语句，识别初始语法树中与函数信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点，未匹配的节点信息对应的节点为冗余节点。

步骤3025，若关键信息为数据结构，则识别初始语法树中与数据结构匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点。

在本实施例中，若关键信息为数据结构，其中，数据结构包括函数及变量，将匹配的节点信息对应的节点确定为关键节点，未匹配的节点信息对应的节点为冗余节点。

步骤304，对初始语法树进行剪枝处理以删除冗余节点，获得包含关键节点的语法树。

在一种可能的实现方式中，对初始语法树进行剪枝处理以删除冗余节点，获得包含关键节点的语法树，包括：

步骤3041，根据关键节点确定初始语法树中的冗余节点。

在本实施例中，关键信息可以是上述漏洞点信息、表达式信息、函数信息及数据结构的至少一种，如，关键信息信息包括漏洞点信息和表达式信息，识别初始语法树中与漏洞点信息匹配的节点信息，将该匹配的节点信息对应的节点确定为关键节点；并识别初始语法树中与表达式信息匹配的节点信息，将该匹配的节点信息对应的节点确定为关键节点，将未能与漏洞点信息和表达式信息匹配的节点信息对应的节点确定为冗余节点。

步骤3042，对初始语法树中的冗余节点进行删除处理，获得包含关键节点的语法树。

在本实施例中，对初始语法树中的冗余节点进行删除处理，保留关键节点，获得包含关键节点的语法树，有效降低冗余数据。

步骤305，对语法树进行遍历，获得语法树对应的遍历序列。

在一种可能的实现方式中，对语法树进行遍历，获得语法树对应的遍历序列，包括：

步骤3051，采用深度优先遍历算法对语法树中的各关键节点进行遍历，获得按照遍历顺序排序的语法树对应的遍历序列。

在本实施例中，采用深度优先遍历算法，深度优先遍历从根节点开始，一直访问左子节点，一直到为空，再向上依次返回访问右子节点。采用深度优先遍历算法对语法树中的各关键节点进行遍历，获得按照遍历顺序排序的遍历序列，遍历序列是关键节点按照遍历顺序排序的结果。

参见图4，初始语法树的根节点为main，子节点为参数a、参数b，函数foo及函数boo，叶子节点为参数a，若关键节点对应的关键信息包括函数foo及其参数a，经过剪枝处理，去掉冗余节点即去掉boo函数及其参数b，得到包含关键节点的语法树，采用深度优先遍历算法对包含关键节点的语法树进行遍历，得到的遍历序列为[main，a，foo，a]。

需要说明的是，遍历方式不限于深度优先遍历，还可以采用前序遍历、中序遍历、后序遍历、深度优先遍历及广度优先遍历。

步骤306，对遍历序列中各关键节点的节点信息进行拼接，获得语法树对应的节点拼接信息序列，节点信息包括节点值和节点类型。

在一种可能的实现方式中，对遍历序列中各关键节点的节点信息进行拼接，获得语法树对应的节点拼接信息序列，包括：

步骤3061，将遍历序列中的各关键节点对应的节点值及节点类型进行拼接，获得各关键节点对应的节点拼接信息。

在本实施例中，将遍历序列中各关键节点对应的节点值及节点类型进行拼接，继续参见图4，遍历序列为[main，a，foo，a]，遍历序列中位于第一位的关键节点main对应的节点值是本身即main，节点类型为FUNCTION，该关键节点对应的节点拼接信息为mainFUNCTION；遍历序列中位于第二位的关键节点a对应的节点值是本身即a，节点类型为VARDECL，该关键节点对应的节点拼接信息为aVARDECL；遍历序列中位于第三位的关键节点foo对应的节点值是本身即foo，节点类型为FUNCALL，该关键节点对应的节点拼接信息为fooFUNCALL；遍历序列中位于第四位的关键节点main对应的节点值是本身即main，节点类型为FUNCTION，该关键节点对应的节点拼接信息为mainFUNCTION。

步骤3062，将各关键节点对应的节点拼接信息按照遍历顺序排列，获得语法树对应的节点拼接信息序列。

在本实施例中，将各关键节点对应的节点拼接信息按照遍历顺序进行排列，继续参见图4，遍历序列为[main，a，foo，a]，将四个关键节点的节点拼接信息按照遍历顺序进行排列，该节点拼接信息序列为[mainFUNCTION，aVARDECL，fooFUNCALL，aVARDECL]，获得语法树对应的节点拼接信息序列。

步骤307，根据节点拼接信息序列生成语法树对应的向量表示信息。

在一种可能的实现方式中，根据节点拼接信息序列生成语法树对应的向量表示信息，包括：

步骤3071，获取预先训练的向量模型。

在本实施例中，预先对word2vec向量模型进行训练，得到训练后的word2vec向量模型，采用预先训练的向量模型进行向量转换。需要说明的是，向量模型不限于上述模型，还可以是其他适合的模型。

步骤3072，将语法树对应的节点拼接信息序列输入至预先训练的向量模型，输出语法树对应的节点拼接信息序列。

在本实施例中，将语法树对应的节点拼接信息序列输入至预先训练的向量模型，从而进行向量转换，输出语法树对应的节点拼接信息序列，从而采用向量表示信息进行神经网络的训练。

在本实施例中，在进行源代码转换向量的过程中，对语法树进行剪枝处理，从而去除了冗余数据，得到关键节点对应的向量数据，有效解决了向量数据长度不均衡的问题，从而采用上述方式处理的向量数据能够较好地进行模型训练。而且，将节点值和节点类型进行拼接，能够提高程序代码向量表示的准确性。

图5为本申请提供的一种信息处理装置的结构示意图，如图5所示，本实施例提供的信息处理装置500包括获取单元501，处理单元502，拼接单元403。

其中，获取单元501，用于获取基于源代码数据构建的初始语法树，源代码数据包括多条语句。处理单元502，用于确定初始语法树中关键语句对应的关键节点。处理单元502，还用于对初始语法树进行剪枝处理以删除冗余节点，获得包含关键节点的语法树。处理单元502，还用于对语法树进行遍历，获得语法树对应的遍历序列。拼接单元503，用于对遍历序列中各关键节点的节点信息进行拼接，获得语法树对应的节点拼接信息序列，节点信息包括：节点值和节点类型。处理单元502，还用于根据节点拼接信息序列生成语法树对应的向量表示信息。

可选地，处理单元，还用于获取预设关键语句对应的关键信息；若关键信息为漏洞点信息，则识别初始语法树中与漏洞点信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点；若关键信息为表达式信息，则识别初始语法树中与表达式信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点；若关键信息为函数信息，则识别初始语法树中与函数信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点；若关键信息为数据结构，则识别初始语法树中与数据结构匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点。

可选地，处理单元，还用于根据关键节点确定初始语法树中的冗余节点；对初始语法树中的冗余节点进行删除处理，获得包含关键节点的语法树。

可选地，处理单元，还用于采用深度优先遍历算法对语法树中的各关键节点进行遍历，获得按照遍历顺序排序的语法树对应的遍历序列。

可选地，拼接单元，还用于将遍历序列中的各关键节点对应的节点值及节点类型进行拼接，获得各关键节点对应的节点拼接信息；将各关键节点对应的节点拼接信息按照遍历顺序排列，获得语法树对应的节点拼接信息序列。

可选地，处理单元，还用于获取预先训练的向量模型；将语法树对应的节点拼接信息序列输入至预先训练的向量模型，输出语法树对应的向量表示信息。

可选地，获取单元，还用于获取待处理的源代码数据，采用递归下降分析算法基于待处理的源代码数据构建初始语法树。

图6是用来实现本发明实施例的信息处理方法的电子设备的第一框图，如图6所示，该电子设备600包括：处理器601，以及与处理器601通信连接的存储器602；

存储器602存储计算机执行指令；

处理器601执行存储器602存储的计算机执行指令，使得处理器601执行上述任意一个实施例提供的方法。

图7为用来实现本申请实施例的信息处理方法的电子设备的第二框图，如图7所示，该电子设备可以是计算机，数字广播终端，消息收发设备，平板设备，个人数字助理，服务器，服务器集群等。

电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行上述任意一个实施例中的方法。

在示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行上述任意一个实施例中的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种信息处理方法，其特征在于，所述方法包括：

获取基于源代码数据构建的初始语法树，所述源代码数据包括：多条语句；

确定所述初始语法树中关键语句对应的关键节点；

对所述初始语法树进行剪枝处理以删除冗余节点，获得包含所述关键节点的语法树；

对所述语法树进行遍历，获得所述语法树对应的遍历序列；

对所述遍历序列中各关键节点的节点信息进行拼接，获得所述语法树对应的节点拼接信息序列，所述节点信息包括：节点值和节点类型；

根据所述节点拼接信息序列生成所述语法树对应的向量表示信息。

2.根据权利要求1所述的方法，其特征在于，所述确定所述初始语法树中关键语句对应的关键节点，包括：

获取预设关键语句对应的关键信息；

若所述关键信息为漏洞点信息，则识别所述初始语法树中与所述漏洞点信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点；

若所述关键信息为表达式信息，则识别所述初始语法树中与所述表达式信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点；

若所述关键信息为函数信息，则识别所述初始语法树中与所述函数信息匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点；

若所述关键信息为数据结构，则识别所述初始语法树中与所述数据结构匹配的节点信息，将匹配的节点信息对应的节点确定为关键节点。

3.根据权利要求1所述的方法，其特征在于，所述对所述初始语法树进行剪枝处理以删除冗余节点，获得包含所述关键节点的语法树，包括：

根据所述关键节点确定所述初始语法树中的冗余节点；

对所述初始语法树中的冗余节点进行删除处理，获得包含所述关键节点的语法树。

4.根据权利要求1所述的方法，其特征在于，所述对所述语法树进行遍历，获得所述语法树对应的遍历序列，包括：

采用深度优先遍历算法对所述语法树中的各关键节点进行遍历，获得按照遍历顺序排序的所述语法树对应的遍历序列。

5.根据权利要求4所述的方法，其特征在于，所述对所述遍历序列中各关键节点的节点信息进行拼接，获得所述语法树对应的节点拼接信息序列，包括：

将所述遍历序列中的各关键节点对应的节点值及节点类型进行拼接，获得各关键节点对应的节点拼接信息；

将各关键节点对应的节点拼接信息按照所述遍历顺序排列，获得所述语法树对应的节点拼接信息序列。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述节点拼接信息序列生成所述语法树对应的向量表示信息，包括：

获取预先训练的向量模型；

将所述语法树对应的节点拼接信息序列输入至所述预先训练的向量模型，输出所述语法树对应的向量表示信息。

7.根据权利要求1所述的方法，其特征在于，所述获取基于源代码数据构建的初始语法树之前，还包括：

获取待处理的源代码数据，采用递归下降分析算法基于所述待处理的源代码数据构建初始语法树。

8.一种信息处理装置，其特征在于，所述装置包括：

获取单元，用于获取基于源代码数据构建的初始语法树，所述源代码数据包括：多条语句；

处理单元，用于确定所述初始语法树中关键语句对应的关键节点；

处理单元，还用于对所述初始语法树进行剪枝处理以删除冗余节点，获得包含所述关键节点的语法树；

处理单元，还用于对所述语法树进行遍历，获得所述语法树对应的遍历序列；

拼接单元，用于对所述遍历序列中各关键节点的节点信息进行拼接，获得所述语法树对应的节点拼接信息序列，所述节点信息包括：节点值和节点类型；

处理单元，还用于根据所述节点拼接信息序列生成所述语法树对应的向量表示信息。

9.一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的方法。

Images