开源代码平台为科研人员提供了分享和交流代码的环境,近几年,深度学习在自然语言处理、计算机视觉、生物计算等科研领域取得了很大成功,越来越多的深度学习模型和代码在开源平台分享。针对特定问题,研究人员有必要查找相关解决方案,将可复用代码进行对比和性能分析,但现有系统在代码检索和对比方面很少关注算法描述中的专业词汇、函数调用结构等技术特征。为此,本课题改进了基于通用文本的关键词抽取方法,更好地融入反映代码技术特征的专业词汇,提出了基于函数调用结构的语义编码方法,进行代码对比分析,设计实现了面向技术特征的代码检索与分析系统,主要工作如下:（1）提出了融合语义和句法信息的关键词抽取模型。在代码分享平台上,基于关键词的代码检索不仅要考虑查询关键词和代码描述文本的相关性,还要考虑技术特征关键词的特异性,而现有关键词抽取方法不适用于这类包含大量技术词汇的专业文本。为此,本文提出了融合语义、句法和词汇特异性等代码技术特征相关信息的关键词抽取模型,采用预训练模型BERT作为文本编码器,提取文本抽象语义信息;采用词汇TFIDF值和句子依存句法知识的融合分析方法,将共现词汇和依存关系相结合构建语义关联图,采用随机游走算法计算词汇权重,以捕获词汇之间的长距离语义依赖关系,兼顾关键词的重要性和特异性。在两个数据集上分析了模型性能,结果表明本模型抽取的关键词能够更好地反映代码的技术特征;在关键词特异性分析中,融合TFIDF值和语法的方法更好地提升了关键词的特异性;通过析构分析,验证了依存句法知识对模型性能带来的收益。（2）提出了基于函数调用结构的代码对比分析模型。现代算法设计思想是模块化构建代码,通常包含大量的基础性功能库函数,其函数名、调用结构和内置类等信息提供了重要的代码技术特征,为了综合考虑这些技术特征的语义信息,本文提出了基于函数调用结构的语义编码方法,从函数调用结构、函数名和内置类等方面分析代码相似性;采用基于图卷积神经网络的自编码器方法进行图语义编码,基于语义向量对比代码结构语义;基于库函数和内置类名称的调用信息向量进行函数相似性和内置类的相似性对比;最后将结构向量、函数向量和内置类向量进行拼接作为整体技术特征向量,比对代码相似度。在真实代码数据集上验证了模型有效性,结果表明本模型能够更好地依据技术特征进行代码对比;通过析构分析,验证了模型中函数调用结构部分对模型性能带来的收益最大;通过函数调用结构语义可视化分析,说明了模型能够有效地提取代码之间的相关性和差异性信息。（3）设计和实现了面向技术特征的代码检索与分析系统。基于山东大学高性能计算云平台提供的代码存储、代码运行环境和硬件资源,设计实现了代码检索与对比分析功能;代码检索功能提供了基于关键词的用户查询功能,依据代码描述文本或技术特征关键词进行检索;代码分析功能对检索出的可复用代码和新设计的代码进行对比分析,辅助进一步分析代码性能;最后对代码检索和对比分析功能进行了测试,验证了系统的可行性和有效性。依存句法分析算法案例显示,本系统能够依据用户需求实现代码检索和对比分析。