本文提出了一种基于深度学习的C语言代码缺陷定位方法。该方法不同于以往的利用缺陷报告或者以缺陷代码形成训练库的代码缺陷定位方法，而是基于OJ系统存在的大量正确代码形成检测模板，即将大量正确的代码作为训练数据通过深度学习技术进行训练构建代码模板库，通过找出与提交代码最相似的模扳代码，对缺陷代码进行缺陷定位。具体地，该方法将C语言代码表示为抽象语法树(AST)的形式，并对AST进行子树拆分，使用Word2vec词嵌入技术对代码进行编码，输入神经网络模型进行特征提取，构建代码模板库；在检测阶段将缺陷代码与代码模板库中的代码进行相似度计算，找出最相似的模板代码，通过逐句地词法分析找出缺陷语句，从而实现C语言代码的缺陷定位。通过对两个数据集以及相应测试集的构建来进行方法的有效性验证，结果表明本文的方法具有较好的缺陷定位效果。  

      其次，本文探索了该方法在C语言课程教学实验系统的应用，通过在实验代码提交页面添加“错误提示”功能，对代码的逻辑缺陷进行检测井反馈给学生，帮助学生更快地发现代码中可能存在的缺陷语句。最后，本文给出了针对该功能的可用性测试、性能测试、以及安全性测试结果，证明该方法在实际系统中的有效性