在软件开发任务中,由于软件系统部分功能经常表现出重复性与复杂性,因此开发人员为了降低工作量往往通过对现有代码进行拷贝、粘贴以及少量改写等操作来构建新的软件系统。这会造成代码库中具有大量文本相似或者功能相似的代码片段,一般称为代码克隆。代码克隆虽然大大地提高了软件开发者的工作效率,但是同时会为软件系统引入未知的安全漏洞,增加软件后期维护的成本,并导致难以预测的后果。为了解决上述问题,一般使用代码克隆检测技术来更好的协助软件开发人员对代码进行维护。代码克隆检测的目标就是根据用户选择的目标代码片段,使用检测工具从代码库中识别出与目标代码片段具备文本或功能相似性的代码片段。因此代码克隆检测技术在软件工程领域（如软件演化、软件重用）中具有重要的应用价值。传统的代码克隆检测技术更多地关注代码在文本和语法层面的相似性,而较少关注代码的语义相似性,这其中很重要的一部分原因是语义相似度的检测难度较高。经过调查发现,传统的克隆检测模型对语义相似的候选代码片段缺乏检测能力。为了解决这个问题,本文提出了一种基于事件嵌入的代码克隆检测方法,该方法的主要优势在于能够对代码的动态执行语义进行分析与建模。本文的核心观点是“程序可以看做一系列相互依赖且连续发生的事件”,基于此观点本文使用事件嵌入的方法对程序语句的执行特征和所有语句之间的数据依赖信息进行建模。通过这种方法,可以将程序语义信息嵌入到一个向量中,并使用该向量检测语义相似的代码。本文的贡献在于:1、利用“事件”及“事件依赖”从源代码文件中提取代码的动态语义信息;2、利用“事件嵌入”这一核心手段对程序的动态语义进行建模,同时,为EDAM模型开发完整工具链来计算代码的语义相似度。为了验证EDAM模型的性能,本文在OJClone数据集上验证模型的检测能力。实验结果表明,EDAM模型在代码克隆检测方面的F1评价指标相较对比模型提升了12.01%。该结果也证明了EDAM模型能够有效地学习到代码的语义信息,使得EDAM模型生成的代码嵌入向量在高维空间具有良好的语义表达能力。