算法 编辑距离c语言代码,基于编辑距离的C代码相似度度量算法研究

摘要：

代码抄袭现象非常普遍,在C语言课程作业中表现尤其严重,代码抄袭检测给教师带来了繁重的工作负担,降低了教学质量.如何利用计算机自动地,准确地检测代码抄袭是亟待解决的问题. 分析大量C语言课程作业源代码内部逻辑结构,提出基于结构树的代码结构比较算法,并以此为数据源对算法进行了实验验证,发现结构相似的代码之间抄袭概率较大. 研究C语言初学者常用的代码抄袭方式,发现最常用的有四种:添加,删除,修改注释;改变标识符名称或者数据类型;改变函数定义位置;增加冗余代码.针对这四种常用抄袭方式,提出了四种对应的格式化算法:注释屏蔽算法;标识符格式化算法;代码分割算法;冗余代码检查算法.格式化算法主要作用是消除对应抄袭方式所带来的代码差异,方便代码相似度度量算法计算代码之间的相似度. 结合基于结构树的代码结构比较算法和代码格式化算法,提出了一种基于编辑距离的C代码相似度度量算法.以C语言初学者提交的课程作业源代码为数据源.实验结果表明,基于编辑距离的C代码相似度度量算法在上述四种抄袭方式检测中具有较高的准确性. 最后,在Linux环境下,采用C语言和Php语言,以基于编辑距离的C代码相似度度量算法为核心,设计并实现了一套C代码抄袭检测系统.检测结果以Json格式保存并显示在Html页面上,该系统还具有查看历史检测,查看源代码,比对代码差异功能,可用作教学辅助工具帮助教师自动检测代码抄袭.

展开