我正在研究一种表示C / C ++程序代码的方法。为了创建数据集并在那之后做一些机器学习。
将代码视为文本并进行一些文本挖掘对我来说似乎不正确。因为我对计算的语义和精确性更感兴趣。
那么什么可以成为一个很好的代表性程序载体？
谢谢。
我认为你不希望将你的程序表示为令牌序列。
请记住，您不必将代码实际表示为单词。如果您对语义关系感兴趣，可以使用更高级别的描述 - 例如，您可以使用表达式的解析树而不是令牌。
您还可以进一步采用这种语法方法，并将整个程序表示为某些语法中的解析树而不是一系列标记。有循环网络可以处理树形结构数据。