基于XML文檔相似度與聚類相結合的代碼抄襲檢測研究.pdf

1、目前，在這個信息化迅速發(fā)展的時代，隨著計算機的廣泛應用和互聯網技術的普及，人們互相交流思想獲取信息變得更加快速和便捷，抄襲現象也越來越普遍，手段也越來越隱蔽。在各個高校中，有很多非計算機專業(yè)和計算機專業(yè)的課程常依賴計算機進行考核和實踐教學，從而導致作業(yè)中程序代碼抄襲、克隆等現象越來越普遍。為了能夠合理、有效的檢驗學生對所學課程的態(tài)度以及在課上的真實收獲，就迫切需要一種能夠檢測代碼相似度的工具來判斷學生代碼間是否存在抄襲。
　　

2、本文在深入分析目前國內外程序代碼相似度研究的基礎上，提出一種基于XML文檔相似度與聚類相結合的代碼抄襲檢測方法。該方法包含以下五個步驟：①預處理。將待檢測的源程序進行格式化處理并去掉一些對程序語義無關的內容，提取將C程序轉化為XML文本時所需的特定程序代碼標記字符串以及行號等屬性特征，并將程序的關鍵結構信息與對應的行號匹配。②構建XML文本。將處理后的源程序轉換成對應的XML文本。③計算相似度值。根據構建的XML文本來計算對應的文本的相

3、似度結果。④聚類分析。根據程序的相似度計算結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匯總結果。根據程序相似度計算結果來生成對應的可視化檢測報告，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上，設計并實現了一個基于XML文檔相似度與聚類相結合的代碼抄襲檢測實驗系統(tǒng)。實驗表明，該系統(tǒng)能有效的檢測出常見的抄襲現象，準確找到并顯示抄襲部分的程序，并將待檢測的程序按抄襲結構的不同