1.一种合约生成模型训练方法，其特征在于，包括：
对智能合约进行聚类，得到设定类别的至少一个智能合约样本；
将第一功能函数名称和所述设定类别的至少一个智能合约样本输入至合约生成模型，得到所述第一功能函数名称对应的第一源码；
基于所述第一源码和第二源码，更新所述合约生成模型的权重参数；其中，
所述合约生成模型包括第一入口和第二入口，所述第一入口用于输入智能合约样本，所述第二入口用于输入功能函数名称；所述第一源码由所述合约生成模型基于至少一份语义编码和所述第一功能函数名称确定出；所述至少一份语义编码基于输入的智能合约样本得到；每份语义编码表征输入的智能合约样本中的一种功能函数的特征；所述第二源码为输入的智能合约样本中所述第一功能函数名称对应的源码。
2.根据权利要求1所述的方法，其特征在于，所述合约生成模型包括级联的第一神经网络和第二神经网络；所述将第一功能函数名称和所述设定类别的至少一个智能合约样本输入至合约生成模型，得到所述第一功能函数名称对应的第一源码，包括：
将所述设定类别的至少一个智能合约样本输入至合约生成模型的第一神经网络，得到至少一份语义编码；
将第一功能函数名称和所述至少一份语义编码输入至合约生成模型的第二神经网络，得到所述第一功能函数名称对应的第一源码。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
从所述设定类别的至少一个智能合约样本中，确定出第一功能函数名称和对应的第二源码。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述对智能合约进行聚类，得到设定类别的至少一个智能合约样本，包括：
确定出每个智能合约对应的特征向量；
对确定出的特征向量进行密度聚类，得到至少一个类别的特征向量；
基于设定类别对应的设定关键词以及所述至少一个类别的特征向量，确定出设定类别的至少一个智能合约样本。
5.根据权利要求4所述的方法，其特征在于，所述确定出每个智能合约对应的特征向量，包括：
对第一智能合约进行预处理，得到第二智能合约；
对第二智能合约进行分词处理，得到第二智能合约的分词结果；
基于第二智能合约的分词结果，确定出第二智能合约对应的特征向量。
6.根据权利要求5所述的方法，其特征在于，所述对第一智能合约进行预处理，包括以下至少之一：
去除第一智能合约中的注释源码；
按照设定格式，调整第一智能合约中的源码；
在第一智能合约中每个功能函数的源码的结束位置，增加停止词。
7.一种合约生成方法，其特征在于，包括：
将至少一个功能函数名称输入至第一模型，得到所述至少一个功能函数名称中每个功能函数名称对应的源码；
基于所述至少一个功能函数名称中每个功能函数名称对应的源码，生成智能合约；其中，
所述第一模型为采用如权利要求1至6任一项所述的合约生成模型训练方法训练得到的合约生成模型。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
基于被触发的至少一个设定控件，确定出所述至少一个设定控件中每个设定控件对应的至少一个功能函数名称。
9.一种电子设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，
其中，所述处理器用于运行所述计算机程序时，执行以下至少之一：
权利要求1至6任一项所述的方法的步骤；
权利要求7至8任一项所述的方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以下至少之一：
权利要求1至6任一项所述的方法的步骤；
权利要求7至8任一项所述的方法的步骤。