一种基于文本向量和卷积神经网络的编译器测试用例优先级排序方法

本发明提出了一种基于文本向量和卷积神经网络的编译器测试用例优先级排序方法。所述方法在训练阶段，提取每行训练用代码的特征并组合为向量，多行向量合并为矩阵然后将其转换为像素图，用于卷积神经网络训练，训练数据包括来自不同编译器版本的能够揭示错误的代码；调度阶段使用相同方法将待排序代码转换为图片，输入训练好的模型中获取代码排序结果，它预测新测试代码揭示错误的潜力，从而确定其优先级。本发明使用基于token生成行级别文本向量的方法相比于使用基于树或者图的方法对代码的特征提取速度快，硬件要求低，而且并非依赖于模糊测试生成器生成的测试代码内部的信息，适用于各种来源和各种长度的C语言测试代码。