基于XML文檔相似度與聚類相結(jié)合的代碼抄襲檢測(cè)研究.pdf

1、目前，在這個(gè)信息化迅速發(fā)展的時(shí)代，隨著計(jì)算機(jī)的廣泛應(yīng)用和互聯(lián)網(wǎng)技術(shù)的普及，人們互相交流思想獲取信息變得更加快速和便捷，抄襲現(xiàn)象也越來越普遍，手段也越來越隱蔽。在各個(gè)高校中，有很多非計(jì)算機(jī)專業(yè)和計(jì)算機(jī)專業(yè)的課程常依賴計(jì)算機(jī)進(jìn)行考核和實(shí)踐教學(xué)，從而導(dǎo)致作業(yè)中程序代碼抄襲、克隆等現(xiàn)象越來越普遍。為了能夠合理、有效的檢驗(yàn)學(xué)生對(duì)所學(xué)課程的態(tài)度以及在課上的真實(shí)收獲，就迫切需要一種能夠檢測(cè)代碼相似度的工具來判斷學(xué)生代碼間是否存在抄襲。
　　

2、本文在深入分析目前國內(nèi)外程序代碼相似度研究的基礎(chǔ)上，提出一種基于XML文檔相似度與聚類相結(jié)合的代碼抄襲檢測(cè)方法。該方法包含以下五個(gè)步驟：①預(yù)處理。將待檢測(cè)的源程序進(jìn)行格式化處理并去掉一些對(duì)程序語義無關(guān)的內(nèi)容，提取將C程序轉(zhuǎn)化為XML文本時(shí)所需的特定程序代碼標(biāo)記字符串以及行號(hào)等屬性特征，并將程序的關(guān)鍵結(jié)構(gòu)信息與對(duì)應(yīng)的行號(hào)匹配。②構(gòu)建XML文本。將處理后的源程序轉(zhuǎn)換成對(duì)應(yīng)的XML文本。③計(jì)算相似度值。根據(jù)構(gòu)建的XML文本來計(jì)算對(duì)應(yīng)的文本的相

3、似度結(jié)果。④聚類分析。根據(jù)程序的相似度計(jì)算結(jié)果和程序的特征屬性，采用聚類分析的方法找出抄襲集群以及抄襲的“源頭”。⑤匯總結(jié)果。根據(jù)程序相似度計(jì)算結(jié)果來生成對(duì)應(yīng)的可視化檢測(cè)報(bào)告，高亮顯示出抄襲部分程序的具體位置等屬性信息。
　　 在上述理論研究的基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于XML文檔相似度與聚類相結(jié)合的代碼抄襲檢測(cè)實(shí)驗(yàn)系統(tǒng)。實(shí)驗(yàn)表明，該系統(tǒng)能有效的檢測(cè)出常見的抄襲現(xiàn)象，準(zhǔn)確找到并顯示抄襲部分的程序，并將待檢測(cè)的程序按抄襲結(jié)構(gòu)的不同