CC2Vec: Combining Typed Tokens with Contrastive Learning for Effective Code Clone Detection

随着开源社区的发展，代码经常被复制、传播和进化到多个软件系统中，这给软件系统带来了不确定性和风险（例如，错误传播和版权侵犯）。因此，进行代码克隆检测以发现相似的代码对非常重要。已经提出了许多方法来检测代码克隆，其中基于标记的工具可以扩展到大型代码。然而，由于缺乏程序细节，它们无法处理更复杂的代码克隆，即语义代码克隆。在本文中，我们介绍了CC2Vec，一种新颖的代码编码方法，旨在快速识别简单的代码克隆，同时增强语义代码克隆检测的能力。为了保留标记之间的程序细节，CC2Vec根据语法类型将它们分为不同的类别（即类型标记），然后应用两个自注意机制层来对它们进行编码。为了抵抗语义代码克隆的代码结构变化，CC2Vec执行对比学习以减少不同代码实现引入的差异。我们在两个广泛使用的数据集（即BigCloneBench和Google Code Jam）上评估了CC2Vec，结果表明我们的方法可以有效地检测简单的代码克隆。此外，CC2Vec不仅通过简单微调达到了与ASTNN、SCDetector和FCCA等广泛使用的语义代码克隆检测系统相当的性能，而且在检测效率方面显著超越了这些方法。

CC2Vec论文试图解决代码克隆检测中的语义克隆问题，即在保留程序细节的同时，增强对语义克隆的检测能力。

CC2Vec通过将标记分为不同的类别，并应用两个自我注意力机制层来编码它们，以保留标记之间的程序细节。此外，CC2Vec还使用对比学习来降低不同代码实现引入的差异，以抵抗语义克隆的代码结构变化。

论文在两个广泛使用的数据集上评估了CC2Vec，结果表明该方法可以有效地检测简单的代码克隆。此外，CC2Vec不仅通过简单的微调就可以达到与ASTNN、SCDetector和FCCA等广泛使用的语义代码克隆检测系统相当的性能，而且在检测效率方面显著优于这些方法。

与此相关的研究包括ASTNN、SCDetector和FCCA等语义代码克隆检测系统。