基于編輯距離的C代碼相似度度量算法研究.pdf

1、代碼抄襲現(xiàn)象非常普遍，在C語言課程作業(yè)中表現(xiàn)尤其嚴(yán)重，代碼抄襲檢測(cè)給教師帶來了繁重的工作負(fù)擔(dān)，降低了教學(xué)質(zhì)量。如何利用計(jì)算機(jī)自動(dòng)地、準(zhǔn)確地檢測(cè)代碼抄襲是亟待解決的問題。
　　分析大量C語言課程作業(yè)源代碼內(nèi)部邏輯結(jié)構(gòu)，提出基于結(jié)構(gòu)樹的代碼結(jié)構(gòu)比較算法，并以此為數(shù)據(jù)源對(duì)算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，發(fā)現(xiàn)結(jié)構(gòu)相似的代碼之間抄襲概率較大。
　　研究C語言初學(xué)者常用的代碼抄襲方式，發(fā)現(xiàn)最常用的有四種：添加、刪除、修改注釋；改變標(biāo)識(shí)符名稱或者數(shù)據(jù)

2、類型；改變函數(shù)定義位置；增加冗余代碼。針對(duì)這四種常用抄襲方式，提出了四種對(duì)應(yīng)的格式化算法：注釋屏蔽算法；標(biāo)識(shí)符格式化算法；代碼分割算法；冗余代碼檢查算法。格式化算法主要作用是消除對(duì)應(yīng)抄襲方式所帶來的代碼差異，方便代碼相似度度量算法計(jì)算代碼之間的相似度。
　　結(jié)合基于結(jié)構(gòu)樹的代碼結(jié)構(gòu)比較算法和代碼格式化算法，提出了一種基于編輯距離的C代碼相似度度量算法。以C語言初學(xué)者提交的課程作業(yè)源代碼為數(shù)據(jù)源。實(shí)驗(yàn)結(jié)果表明，基于編輯距離的C代碼相