基于后綴語(yǔ)法樹(shù)的代碼抄襲檢測(cè)研究.pdf

1、學(xué)校代碼：10135論文分類(lèi)號(hào)：學(xué)號(hào)：20084019005研究生類(lèi)別：全日制幽喜之卸貉犬謦碩士學(xué)位論文基于后綴語(yǔ)法樹(shù)的代碼抄襲檢測(cè)研究CodePlagiarismDetectionResearchBasedonSuffiXTree學(xué)科門(mén)類(lèi)：一級(jí)學(xué)科：學(xué)科、專(zhuān)業(yè)：研究方向：申請(qǐng)人姓名：指導(dǎo)教師姓名：工學(xué)計(jì)算機(jī)科學(xué)與技術(shù)計(jì)算機(jī)應(yīng)用技術(shù)多媒體與gAI李彥臣劉東升2010年3月30日，Lr|7，r中文摘要隨著信息技術(shù)的不斷發(fā)展，抄襲正變得越來(lái)

2、越容易和難以防范。在程序設(shè)計(jì)類(lèi)課程作業(yè)和在線測(cè)試的考評(píng)中，學(xué)生相互抄襲的現(xiàn)象也普遍存在。澳大利亞蒙納什(Monash)大學(xué)對(duì)其學(xué)生中的代碼抄襲現(xiàn)象進(jìn)行調(diào)查統(tǒng)計(jì)顯示：高達(dá)854％的學(xué)生承認(rèn)抄襲過(guò)他人的作業(yè)。日益嚴(yán)重的抄襲現(xiàn)象已經(jīng)嚴(yán)重地破壞了正常的教學(xué)秩序，也影響了教學(xué)質(zhì)量和學(xué)生素質(zhì)的提高。為了扼制不良學(xué)風(fēng)，對(duì)高效率的代碼抄襲檢測(cè)方法進(jìn)行研究顯得日趨必要。本文在分析目前國(guó)內(nèi)外程序代碼抄襲檢測(cè)研究的基礎(chǔ)上，針對(duì)學(xué)生C語(yǔ)言程序代碼作業(yè)中常見(jiàn)的抄

3、襲方法，提出一種基于后綴樹(shù)的程序代碼抄襲檢測(cè)方法。首先制定基于ANTLR的C語(yǔ)言文法文件，利用ANTLR生成C語(yǔ)言的詞法及語(yǔ)法分析器，’并對(duì)程序代碼進(jìn)行詞法和語(yǔ)法分析，生成C程序代碼的后綴語(yǔ)法樹(shù)。其次對(duì)生成的后綴語(yǔ)法樹(shù)進(jìn)行遍歷和優(yōu)化，去除語(yǔ)法樹(shù)中的冗余信息，得到一個(gè)字符串序列，該字符串序列標(biāo)準(zhǔn)化地表示了程序代碼中的信息。第三，采用改進(jìn)后的貪婪字符串匹配算法，對(duì)后綴樹(shù)字符串序列進(jìn)行了匹配計(jì)算，通過(guò)一個(gè)確定了決策函數(shù)計(jì)算出兩個(gè)字符串序列的相

4、似值，并以此為依據(jù)來(lái)度量?jī)蓚€(gè)程序代碼之間相似程度。最后根據(jù)給定的閾值來(lái)判斷兩個(gè)程序之間是否存在抄襲嫌疑?；谏鲜龇椒?，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)C語(yǔ)言程序代碼抄襲檢測(cè)實(shí)驗(yàn)系統(tǒng)，該實(shí)驗(yàn)系統(tǒng)可以檢測(cè)程序集合中任意兩個(gè)程序代碼之間的相似度。選用了不同的方法對(duì)實(shí)驗(yàn)系統(tǒng)的有效性和可靠性進(jìn)行測(cè)評(píng)。實(shí)驗(yàn)結(jié)果表明，該方法能夠檢測(cè)出C語(yǔ)言代碼中存在的多種抄襲手段，并有較高的檢測(cè)效率。與國(guó)外成熟的的檢測(cè)系統(tǒng)MOSS對(duì)比，該實(shí)驗(yàn)系統(tǒng)在檢測(cè)精度和準(zhǔn)確性方面都有較高的優(yōu)越