代码克隆的存在对软件系统的可维护性产生了很多负面影响,语义克隆是指语法上不同但仍然执行相同功能的代码,在过去提出的各种检测代码克隆的方法中很少能对语义克隆进行检测。语义克隆检测是一个复杂的过程,因为源代码的语法和语义很灵活,因此选取合适的源代码中间表示对整个代码克隆检测过程至关重要。在常用的语义克隆检测的中间表示中token、AST、图较为常见。但是token携带的词汇信息对于语义克隆检测任务来说是不够的,而且其有效性受到词汇表的限制。基于AST、图表示源代码会给计算带来沉重负担。代码克隆检测不仅需要考虑准确度还要考虑效率。在本研究课题中为了充分发挥深度学习检测代码克隆的能力,同时避免使用AST、图高成本的中间表示,我们提出了一种新的基于token的源代码表示方式Token Pair Embedding（TPE）,并证明其在代码克隆检测尤其是语义克隆检测上的有效性。本课题设计了一个标准的Siamese分类模型进行代码克隆检测,子网络选取基于自注意力机制的Bi LSTM网络,使用Bi LSTM可以很好的捕获序列双向的语义关系。我们从代码克隆检测常用基准中选取了三个常用的基准Big Clone Bench、GCJ和OJClone,将我们所提出的方法与最先进两种方法TBCCD、ASTNN进行了比较。实验结果表明TPE在代码克隆检测中效果显著,在Big Clone Bench数据集上所得到的准确率和召回率均要高于最新的语义克隆检测工具ASTNN和TBCCD,并且数据处理时间分别是ASTNN的36.36%和TBCCD的41.38%,模型预测时间分别是ASTNN的37.72%和TBCCD的34.13%。此外在另外两个通用的数据集OJClone和GCJ上,TPE代码克隆检测方案所获得的F值均要高于TBCCD,在数据处理和模型预测时间上都要短于ASTNN、TBCCD。此外本课题还初步研究了数据集划分以及数据集中正负样本的比例对不同模型的影响,实验结果表明数据集的不同划分方式对不同模型的影响程度不一致。