程序语义理解对程序分析、漏洞检测和恶意代码检测等工作至关重要,然而程序语义理解是一个繁琐耗时的过程,因此需要通过自动化方法来帮助人们完成。机器学习能够从大量代码中学习相关信息,成为了一个研究热点。在设计机器学习模型时,如果能够将关于源代码的先验知识融入到数据的表示中,模型将能更好地理解程序的语义。和代码文本相比,控制流自动机和抽象语法树能够更直观地反映程序语言的结构特性。本文分别以控制流自动机、抽象语法树和程序图作为代码的表示,并设计相关的机器学习模型,分别学习代码不同方面的信息,得到代码的多维向量表示。本文的主要工作概括如下:(1)将控制流自动机作为代码表示,基于Weisfeiler-Lehman Graph kernel模型和Doc2vec模型设计了一种机器模型来学习代码的控制流信息,经过训练模型得到代码的多维表示向量。为了验证该模型能否有效地学习到代码的控制流信息,基于代码表示向量构建一个代码分类器,并在源代码分类任务上与现有的模型进行对比。结果表明,控制流自动机包含的代码信息较少,模型仅能够学习到部分信息,未达到预期目标。(2)由于抽象语法树比控制流自动机包含更多代码细节信息,所以将抽象语法树作为代码表示,在前一个模型的基础上,设计了一种机器学习模型学习代码的语法信息。经过训练,模型可以得到抽象语法树中的不同节点和代码的多维表示向量。在基于代码向量的代码分类任务上,该模型获得了97.93%的准确度,相比前一个模型提高了13.19%,并且高于现有的模型,表明该模型能够有效地学习到代码的控制流信息。此外,聚类实验结果表明模型能识别代码中相似的token并能区分差异大的token。(3)为了进一步改进模型的学习能力,设计了一种将控制流自动机和抽象语法树相结合的程序图,并在程序图上构建代码机器学习模型,学习代码的语法信息和控制流信息。经过训练,模型得到代码的多维表示向量。在基于代码向量的代码分类任务上,该模型获得了98.94%的准确度,优于前一个模型。此外,在进行的相似代码检索实验中,该模型也获得了最高的准确度。最后,代码向量可视化实验结果表明,经过该模型得到的代码向量具有较好的可区分度。这表明程序图更利于模型学习代码信息。