基于后綴語法樹的代碼抄襲檢測研究.pdf

1、學(xué)校代碼：10135論文分類號：學(xué)號：20084019005研究生類別：全日制幽喜之卸貉犬謦碩士學(xué)位論文基于后綴語法樹的代碼抄襲檢測研究CodePlagiarismDetectionResearchBasedonSuffiXTree學(xué)科門類：一級學(xué)科：學(xué)科、專業(yè)：研究方向：申請人姓名：指導(dǎo)教師姓名：工學(xué)計算機科學(xué)與技術(shù)計算機應(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

2、越容易和難以防范。在程序設(shè)計類課程作業(yè)和在線測試的考評中，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)對其學(xué)生中的代碼抄襲現(xiàn)象進行調(diào)查統(tǒng)計顯示：高達854％的學(xué)生承認抄襲過他人的作業(yè)。日益嚴重的抄襲現(xiàn)象已經(jīng)嚴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，對高效率的代碼抄襲檢測方法進行研究顯得日趨必要。本文在分析目前國內(nèi)外程序代碼抄襲檢測研究的基礎(chǔ)上，針對學(xué)生C語言程序代碼作業(yè)中常見的抄

3、襲方法，提出一種基于后綴樹的程序代碼抄襲檢測方法。首先制定基于ANTLR的C語言文法文件，利用ANTLR生成C語言的詞法及語法分析器，’并對程序代碼進行詞法和語法分析，生成C程序代碼的后綴語法樹。其次對生成的后綴語法樹進行遍歷和優(yōu)化，去除語法樹中的冗余信息，得到一個字符串序列，該字符串序列標準化地表示了程序代碼中的信息。第三，采用改進后的貪婪字符串匹配算法，對后綴樹字符串序列進行了匹配計算，通過一個確定了決策函數(shù)計算出兩個字符串序列的相

4、似值，并以此為依據(jù)來度量兩個程序代碼之間相似程度。最后根據(jù)給定的閾值來判斷兩個程序之間是否存在抄襲嫌疑?；谏鲜龇椒?，設(shè)計并實現(xiàn)了一個C語言程序代碼抄襲檢測實驗系統(tǒng)，該實驗系統(tǒng)可以檢測程序集合中任意兩個程序代碼之間的相似度。選用了不同的方法對實驗系統(tǒng)的有效性和可靠性進行測評。實驗結(jié)果表明，該方法能夠檢測出C語言代碼中存在的多種抄襲手段，并有較高的檢測效率。與國外成熟的的檢測系統(tǒng)MOSS對比，該實驗系統(tǒng)在檢測精度和準確性方面都有較高的優(yōu)越