基于多模态对比学习的代码表征增强预训练方法

代码表征旨在融合源代码的特征,以获取其语义向量,在基于深度学习的代码智能中扮演着重要角色.传统基于手工的代码表征依赖领域专家的标注,繁重耗时,且无法灵活地复用于特定下游任务,这与绿色低碳的发展理念极不相符.因此,近年来,许多自监督学习的编程语言大规模预训练模型(如CodeBERT)应运而生,为获取通用代码表征提供了有效途径.这些模型通过预训练获得通用的代码表征,然后在具体任务上进行微调,取得了显著成果.但是,要准确表示代码的语义信息,需要融合所有抽象层次的特征(文本级、语义级、功能级和结构级).然而,现有模型将编程语言仅视为类似于自然语言的普通文本序列,忽略了它的功能级和结构级特征.因此,旨在进一步提高代码表征的准确性,提出了基于多模态对比学习的代码表征增强的预训练模型(representation enhanced contrastive multimodal pretraining, REcomp). REcomp设计了新的语义级-结构级特征融合算法,将它用于序列化抽象语法树,并通过多模态对比学习的方法将该复合特征与编程语言的文本级和功能级特征相融合,以实现更精准的语义建模.最后,...     

银杏叶提取液对腐生葡萄球菌的作用机理

为研究银杏叶提取液对水产品特定腐败菌--腐生葡萄球菌的作用机理,作者采用肉汤稀释和平板计数法测定其对腐生葡萄球菌的最小抑菌浓度(Minimal Inhibitory Concentration, MIC),并通过细菌生长曲线、碱性磷酸酶量、电导率与蛋白质质量浓度,综合评价银杏叶提取液对腐生葡萄球菌菌体生长、细胞壁和细胞膜通透性、完整性的影响;由扫描电镜观察不同处理浓度的银杏叶提取液对腐生葡萄球菌菌体的作用效果。结果得出:银杏叶提取液对腐生葡萄球菌的MIC为100 mg/mL;MIC与2MIC质量浓度下银杏叶提取液对腐生葡萄球菌的抑菌率分别为60.58%和81.34%。提取液作用于腐生葡萄球菌后,菌体生长受到抑制,细胞壁完整性被破坏,细胞膜通透性随之提高;由扫描电镜观察表明,银杏叶提取液处理后的腐生葡萄球菌出现细胞变形、胞间粘结等现象,菌体结构受到影响,最终得出银杏叶提取液主要通过对其菌体细胞膜和细胞壁的破坏实现其抑菌效果。