release fix and readme

+# 비지도 학습을 이용한 소스 코드 유사성 검증
+
+### **Author**
+2017103967 김성주
+
+
+​    
+
+### 1. Dataset
+
+학습에 사용할 소스 코드 데이터셋이 필요합니다.
+
+본 연구에서는 Github에서 MNIST dataset을 사용한 python 코드를 크롤링하여 수집했고,
+
+```code/crawler/main.py``` 혹은 ```code/crawler/cralwer.py```를 참고하시기 바랍니다.
+
+
+
+데이터셋의 소스 코드들이 unique한 경우에 표절 데이터셋을 추가적으로 생성할 수 있습니다.
+
+본 연구에서는 original dataset에 대해 함수/클래스/조건문 등의 구문 단위로 shuffle하거나,
+
+고유 키워드나 주로 쓰이는 키워드를 최대한 제외하고 변수명과 함수명을 난독화하거나 (obfuscate),
+
+original source code A와 B를 merge한 데이터셋을 생성하였습니다.
+
+자세한 것은 ```code/dataset_generator/main.py```를 참고하시기 바랍니다.
+
+
+
+### 2. Embedding Vector
+
+단어 임베딩 모델에 학습시키기 위해서는, raw dataset에 대한 tokenized vocabulary가 필요합니다.
+
+소스 코드는 일반적인 텍스트와 달리 공백이나 줄 단위로 토큰화할 수 없으므로,
+
+syntax를 분석하여 파싱할 필요가 있습니다. 본 연구에서는 astminer 도구를 사용해 수행했습니다.
+
+자세한 과정은 [링크](https://github.com/JetBrains-Research/astminer)를 참고하시기 바랍니다.
+
+
+
+tokenized dataset은 모델에 입력하기 전 별도의 전처리가 필요합니다.
+
+```code/code2vec/preprocess_py.sh```를 참고하시기 바랍니다.
+
+
+
+전처리된 파일은 c2v format입니다. c2v 파일을 이용해 학습을 진행할 수 있습니다.
+
+```code/code2vec/train.sh```를 참고하시기 바랍니다.
+
+
+
+### 3. Similarity Plotting
+
+학습이 진행된 모델을 사용해 소스 코드 간의 cosine similarity를 계산할 수 있습니다.
+
+```code/similarity_plotter/code2vec_tester.py```를  참고하시기 바랍니다.
+
+해당 코드에서 불러오는 모델 파일은 ```code/code2vec/release.sh```를 이용해 생성할 수 있습니다.
+
+
+
+### 4. Siamese Network
+
+여러 가지의 시도가 혼재되어 있어 진행 중 에러가 발생할 수 있습니다.
+
+전체적인 과정은 ```code/siamese_network/train.py```를 참고하시기 바랍니다.
+
+Siamese Network 학습을 위해서는 pair dataset과 embedding matrix가 필요합니다.
+
+```code/siamese_network/dataset.py```에서 2에서 학습한 모델의 출력 벡터를 불러와 pair dataset을 생성합니다.  또한 해당 코드에서 embedding matrix를 불러옵니다.
+
+embedding matrix는 다음과 같은 과정으로 생성할 수 있습니다.
+
+```
+embedding_index = {}
+words = model.index_to_key
+vocab_size = len(words) + 1
+embedding_matrix = np.zeros((vocab_size, 384))
+
+for i in range(len(words)):
+	word - words[i]
+	if word in model:
+		embedding_matrix[i] = model[word]
+		
+# save data here
+```
+
+네트워크 구조는 ```code/siamese_network/model.py```를 참고하시기 바랍니다.
+
+train/test/predict는 각각 ```code/siamese_network/train.py``` , ```code/siamese_network/test.py```, 
+
+```code/siamese_network/predict.py```로 진행할 수 있습니다.
\ No newline at end of file

+model_dir=models
+
+set -e
+python -u code2vec.py --load ${model_dir}/saved_model --save_t2v ${model_dir}/release/targets.txt
\ No newline at end of file

-type=python
 dataset_name=dataset
 data_dir=../data/${dataset_name}
 data=${data_dir}/${dataset_name}

@@ -19,7 +19,7 @@ def avg_feature_vector(text, model, num_features, index2word_set):
         feature_vec = np.divide(feature_vec, n_words)
     return feature_vec
 
-def compare(c2v_model, model, dir1, dir2):
+def compare(t2v_model, model, dir1, dir2):
     files = [f for f in readdir(dir1) if is_extension(f, 'py')]
     
     plt.ylabel('cos_sim')
@@ -28,7 +28,7 @@ def compare(c2v_model, model, dir1, dir2):
     idx = 0
     L = len(files)
     data = []
-    index2word_set = set(c2v_model.index_to_key)
+    index2word_set = set(t2v_model.index_to_key)
 
     for f in files:
         print(idx,"/",L)
@@ -47,8 +47,8 @@ def compare(c2v_model, model, dir1, dir2):
     print(result)
 
 vectors_text_path = 'data/targets.txt'
-c2v_model = KeyedVectors.load_word2vec_format(vectors_text_path, binary=False)
+t2v_model = KeyedVectors.load_word2vec_format(vectors_text_path, binary=False)
 model = load_model(config.MODEL_PATH)
 
 # Usage
-# compare(c2v_model, model, 'data/refined', 'data/shuffled')
\ No newline at end of file
+# compare(t2v_model, model, 'data/refined', 'data/shuffled')
\ No newline at end of file

@@ -4,7 +4,7 @@ import random
 from utils import *
 import matplotlib.pyplot as plt
 
-vectors_text_path = 'data/targets.txt' # w2v output file from model
+vectors_text_path = 'data/targets.txt' # t2v output file from model
 model = KeyedVectors.load_word2vec_format(vectors_text_path, binary=False)
 
 def compare(dir1, dir2):