python作业抄袭_怎样用Python检测抄袭行为？广大中小学生们的美梦就此结束

怎样检测文档的相似性？

这里需要使用向量、点积的基本概念来确定两个文本的相似度，也就是计算学生的文本作业的向量代表之间的余弦相似度值。

此外还需要学生作业中的样本文档来测试模型。文本文件必须与脚本位于同一目录中，扩展名为“.txt”。文件目录如下：

一起来搭建抄袭探测器

· 首先载入所有必要的模块

使用OS模块加载文本文件的路径，然后使用TfidfVectorizer对文本数据和余弦相似度执行词嵌入，来计算是否存在抄袭。

· 用列表推导式(List Comprehension)读取所有文本文件

接下来使用列表推导式来加载项目目录中所有的路径文件，如下：

student_files =[doc for doc in os.listdir() if doc.endswith( .txt )]

· 使用Lambda功能来向量化并计算相似性。

需要创建两个lambda函数，一个用来将文本转换成数字数组，另一个用来计算它们的相似性。

· 将文本数据向量化

加入下列两行代码，将加载的学生文件向量化：

vectors =vectorize(student_notes)s_vectors = list(zip(student_files,vectors))

创造一个计算相似性的功能。下面是脚本的主要功能，负责管理计算学生之间相似度的整个过程。

· 最终代码

完成上述所有操作后会得到如下脚本，可以检测学生作业中是否存在抄袭行为。

· 输出：

运行上述app.py，结果如下：

抄袭检测器完成啦！老师们用起来，广大中小学生们的美梦就此结束了。