基于DFA與特征量化的代碼相似度可視化檢測系統(tǒng)的研究.pdf

1、近年來，程序抄襲現(xiàn)象普遍存在，不僅在高校的計算機相關課程中影響了教學質量，還給商業(yè)軟件的開發(fā)帶來了軟件著作權的糾紛問題。針對程序抄襲問題，已出現(xiàn)不少程序代碼相似度檢測的相關研究，由早期的檢測精度較低屬性計數(shù)法不斷發(fā)展，目前主要的檢測方法是采用了結構度量技術中的字符串匹配算法，其中最受歡迎的是使用標記（token）表示代碼的字符串匹配檢測?，F(xiàn)有的代碼相似度檢測方法雖然使用標記對代碼進行先轉換再匹配，但代碼的識別程度仍有提升的空間，而且方法

2、的目的主要側重于相似度數(shù)值的展示。針對現(xiàn)有方法存在的缺陷，本文提出了一種基于確定的有窮狀態(tài)自動機(DFA)與特征量化的可視化檢測方法。為了提高代碼識別度，在詞法分析階段根據(jù)程序語言特征設計了單詞識別和語義類型識別，并將識別的單詞進行特征量化。在代碼檢測階段，構造用于計算代碼語句特征量化值的多元線性函數(shù)，為進一步提高代碼識別度，探討了求解方程系數(shù)組的多元線性回歸數(shù)學模型。為了提高檢測準確度，在匹配階段設計了兩次匹配操作，首先是代碼語句特征