代码克隆指的是相似代码片段在软件系统多处出现。它通常因开发者的复制习惯或设计理念产生,往往导致软件系统难以维护。如何自动化、快速而有效地定位这些相似代码以便更好地重构和维护软件是一项研究热点。传统的代码克隆检测方法大多基于静态文本分析技术,很难在语义相近的代码克隆检测上有好的表现。而实际上中大型软件系统中占大比例的正是这些语义克隆。近两年有几种结合深度神经网络模型的算法在代码语义克隆检测上取得了不错的效果,但是深度神经网络模型参数太复杂使得训练开销特别大。本文提出了基于集成学习的有监督分类模型,利用多个弱分类器捕捉可能的相似模式。同时配合有效的特征工程技巧,进一步挖掘代码的语法和潜藏的语义信息,实现高准确度和高效率的检测效果。本文主要工作和创新点有:(1)使用弱分类器和集成学习方法来解决代码克隆检测问题,实现了很好的重复代码检测效果,效率优于现有深度学习方法。(2)将词嵌入模型用于特征工程方法,将源代码视作有上下文逻辑的文档,利用词嵌入模型抽取代码段的向量表示形式。对源代码结构没有过多的中间形式转换,保留了代码的完整信息。本文在BigCloneBench数据集上设计了一系列实验,用于验证本文方法的效果,并从方法的准确度和时间开销上与基准线方法进行对比。实验结果证明,该算法能够很好的检测到绝大多数语义型代码克隆,并且时间成本较低,使得它在超大规模软件系统中执行代码克隆检测任务具有可行性。