Python程序設(shè)計(jì)題的查重研究.pdf

1、程序設(shè)計(jì)題的查重實(shí)質(zhì)上就是對(duì)程序代碼之間的相似度進(jìn)行檢測(cè)，通過程序代碼之間的相似度得出程序代碼之間的重復(fù)率。本文主要對(duì)Python程序設(shè)計(jì)題進(jìn)行查重研究，同時(shí)設(shè)計(jì)實(shí)現(xiàn)出適用于Python程序設(shè)計(jì)題的查重系統(tǒng)，使得該系統(tǒng)可用于Python程序語言的教學(xué)中。雖然本系統(tǒng)的研究主體是Python語言，但其設(shè)計(jì)原理和方法具有普遍性，因此對(duì)其它程序設(shè)計(jì)語言同樣適用。本文的主要研究工作如下:
　　1)本文對(duì)外國內(nèi)外已有的抄襲檢測(cè)系統(tǒng)的實(shí)現(xiàn)方法和

2、原理進(jìn)行了研究，分析了各個(gè)系統(tǒng)之間的優(yōu)點(diǎn)和缺點(diǎn)。確立本系統(tǒng)的實(shí)現(xiàn)采用屬性計(jì)數(shù)技術(shù)和結(jié)構(gòu)度量技術(shù)相結(jié)合的方法。
　　2)本文對(duì)向量空間模型原理和實(shí)現(xiàn)方法進(jìn)行了研究，借鑒向量空間模型在文本分類問題中的運(yùn)用。確立本系統(tǒng)采用向量空間模型把程序代碼轉(zhuǎn)換成由特征項(xiàng)組合而成的特征向量，由特征向量之間的相似度得到程序代碼之間的相似度。
　　3)本文對(duì)正則匹配技術(shù)、抽象語法樹處理技術(shù)以及常見的幾種特征提取算法的原理和實(shí)現(xiàn)方法進(jìn)行了研究。設(shè)計(jì)實(shí)

3、現(xiàn)了基于程序代碼和基于抽象語法樹這兩種特征提取方法。
　　4)本文對(duì)常用的幾種特征加權(quán)方法的原理和實(shí)現(xiàn)方法進(jìn)行了研究。設(shè)計(jì)實(shí)現(xiàn)了一種改進(jìn)的逆文檔頻率加權(quán)算法，這種加權(quán)算法能很好地適用于程序代碼的特征向量加權(quán)。
　　5)本文對(duì)常用的幾種向量相似度計(jì)算方法的原理和實(shí)現(xiàn)方法進(jìn)行了研究。并設(shè)計(jì)實(shí)現(xiàn)了適用于本系統(tǒng)的一種全新的向量相似度計(jì)算方法。
　　6)本文從基于程序代碼和基于抽象語法樹這兩種特征提取方法的角度，分別用余弦夾角、

4、相關(guān)系數(shù)、差異程度這三種相似度計(jì)算方法對(duì)三種不同程度的抄襲進(jìn)行了檢測(cè)，并將最終的檢測(cè)結(jié)果與MOSS系統(tǒng)的檢測(cè)結(jié)果進(jìn)行比對(duì)。同時(shí)，為了驗(yàn)證查重系統(tǒng)的可行性，本文還選取了實(shí)際教學(xué)中的學(xué)生代碼進(jìn)行了測(cè)試，并與人工比對(duì)的結(jié)果進(jìn)行了比較。
　　通過對(duì)最終測(cè)試結(jié)果進(jìn)行對(duì)比分析，本系統(tǒng)能較好的識(shí)別不同程度的抄襲，并給出相應(yīng)的判斷。本文通過對(duì)系統(tǒng)的測(cè)試結(jié)果與MOSS系統(tǒng)的測(cè)試結(jié)果進(jìn)行比對(duì)分析，得出本系統(tǒng)從基于抽象語法樹的角度進(jìn)行特征提取，采用差異