基于N-gram的程序代碼抄襲檢測方法研究.pdf

1、信息網(wǎng)絡的飛速發(fā)展及電子文檔的廣泛使用給我們的生活帶來了巨大的影響,一些影響有利于我們生活的方向發(fā)展,而一些影響卻給我們的生活以及技術(shù)本身的發(fā)展帶來了負面作用。相比于傳統(tǒng)文件,電子文檔更容易被非法復制和抄襲,程序代碼抄襲現(xiàn)象已經(jīng)十分嚴重。為了維護高校正常教學秩序,保護軟件知識產(chǎn)權(quán),抑制抄襲現(xiàn)象的不斷蔓延,程序代碼抄襲檢測技術(shù)及應用的研究具有重要意義。目前程序源代碼襲檢測研究領域中比較有效的源代碼抄襲檢測系統(tǒng)有JPLAG,YAP3和MOS

2、S系統(tǒng),但現(xiàn)有的抄襲檢測系統(tǒng)的檢測準確率還有待提高,且難以處理大規(guī)模數(shù)據(jù)。
　　 針對程序代碼抄襲檢測準確率問題,本文提出一種基于N-gram的程序代碼抄襲檢測算法,利用N-gram表示待檢測程序代碼文本,將程序代碼文本轉(zhuǎn)化成N-gram集合,統(tǒng)計N-gram的出現(xiàn)頻度,將N-gram集合和頻度放入向量空間中進行相似度計算,這樣可以保留程序代碼的結(jié)構(gòu)信息和語義信息,提高程序代碼抄襲檢測的檢測準確性。本文以美國圣約翰大學采集的51

3、36個學生VB程序作業(yè)為數(shù)據(jù)集與MOSS系統(tǒng)進行對比實驗,實驗結(jié)果證明基于N-gram的程序代碼抄襲檢測算法的檢測準確率比MOSS系統(tǒng)有了一定的提高。
　　 針對程序代碼抄襲檢測效率問題,本文采用基于Fork/Join框架的并行算法來優(yōu)化檢測算法,因為Fork/Join并行計算框架具有良好的線程控制機制,很好地處理了線程之間存在的饑餓、競爭和死鎖等問題,十分適合小任務、大數(shù)據(jù)量的并行計算問題,且本文檢測算法需要進行n*(n+m-