编译错误是新手程序员在编程过程中不可避免遇到的一类错误,其中编译器报错信息通常是协助解决编译错误的主要参考内容。然而,新手程序员因经验不足而难以理解报错信息,进而无法顺利定位并修复错误。研究表明,无法及时解决编译错误会显著降低新手程序员的学习热情。程序错误自动修复技术可以在一定程度上修复编译错误,但仅仅修复错误并不能帮助新手程序员理解错误产生的原因并提升编程能力。基于程序员解决编译错误的过程,改进编译器报错信息可以帮助程序员理解和定位错误。有研究提出在编译器报错信息中增加编译错误分类信息,但所提出的编译错误分类方法主要基于程序静态分析和程序修复模式设计,无法覆盖所有错误,同时由于编译错误分类预测模型的分类效果不够准确,反而影响新手程序员准确定位错误。改进编译器报错信息是帮助定位和修复编译错误最直接有效的方法。本文以在编译器报错信息中提供准确错误分类信息为目标,首先研究一种细粒度的编译错误分类方法,基于程序的最小可分析单元token,提出一种基于token类型的编译错误分类方法。其次,课题引入Text CNN神经网络构建错误分类模型,结合对编译器报错信息的分析,准确定位目标token,同时根据目标token反馈相应的语法规则,协助程序员修复错误。最后,本文整合所有研究结果改进编译器报错信息,设计并开发了基于token的编译错误信息自动反馈系统。为了评估基于token类型的编译错误分类方法,本文选取了Deepfix数据集和TEGCER数据集中的16926个学生程序进行实验研究。结果表明,基于token类型的编译错误分类方法比最新的TEGCER分类方法多覆盖16.5%的编译错误,并且本文设计的分类模型具有更好的预测性能。在验证错误反馈信息有效性的实验中,本文进一步从BUCTOJ平台收集了12648个C语言编译错误。实验结果显示,在编译错误分类准确的基础上,80%以上的程序能够正确定位目标token并返回有效的语法规则。