代码克隆检测是程序质量分析中的一项重要任务,检测出程序中的克隆代码有利于提高软件项目的可维护性,降低程序代码冗余。近年来,学者们贡献了多种克隆检测工具,随着机器学习的发展,很多基于机器学习检测代码克隆的方法应运而生,尤其是有监督的学习器加上词嵌入预处理的形式,在克隆检测任务中展示出了良好的效果。但是利用有监督学习器检测代码克隆存在两方面的问题:一是有标签的训练语料难以获得,以人工手动标注的方式构造克隆语料费时费力又带有很大程度的主观性。二是在克隆检测任务中通常采用基于token的中间表示形式,若直接把这些有限数量的token构成的词汇表用于预训练,学习器获得的学习能力不够充分。因此,本文针对上述两个问题,提出了一种有效的代码克隆检测方法。首先,本课题提出了基于代码克隆定义自动构造大规模伪训练语料库的方法,降低了打标签的成本,同时也提高了标注的科学性。其次,我们提出了在克隆代码检测任务中有效的代码中间表示——TPE单元,平衡了预训练词汇表表达能力和训练成本的关系。最后,利用充足的克隆语料和合理的代码表征方式,并基于有监督的分类器,我们提出了一个代码克隆检测模型,旨在解决1-3型代码克隆的检测的问题,并实现了一个查准率、查全率高的可靠代码克隆检测工具——TPECCD。我们在Big Clone Bench数据集上进行实验来验证我们的方法。实验结果表明,在克隆检测任务中,利用本课题提出的自动构造伪克隆语料的方法生成的克隆语料能取得和人工标注的数据集相当的效果;采用TPE单元作为代码中间表示形式参与到深度学习方法的预训练中,可以为神经模型输入更丰富的代码信息,同时减少了程序语句作为中间表示形式带来的集外词现象;本文提出的克隆检测工具与目前最先进的代码克隆检测工具TECCD,Oreo,CCLearner和CCAligner相比,有更好的检测效果。