深度程序结构建模通过基于多关系图的学习实现

诗 POEM是一个利用多关系图神经网络的深层程序结构建模框架。 它基于图神经网络构建。 POEM可以捕获用于代码表示的深层程序语义和结构特征。 我们通过将POEM应用于四个代表性任务来评估POEM：， ，和，并且它比SOTA方法具有更好的性能。 有关更多详细信息，请参阅我们的“通过基于多关系图的学习进行深度程序结构建模”，该论文发表在PACT 2020中。 抽象的 深度学习正在成为一种建立预测模型以支持与代码相关的任务（如性能优化和代码漏洞检测）的有前途的技术。 建立成功的预测模型的关键方面之一是具有正确的表示形式，以表征给定任务的模型输入。 该领域中的现有方法通常将程序结构视为顺序序列，但是无法利用数据和控制流信息的丰富语义，对于这些图形，图形是一种经过验证的表示结构。 我们介绍了POEM，这是一个新颖的框架，可以从基于图的程序结构中自动学习有用的代码表示形式。 POEM的核心是图神经