計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的設(shè)計(jì)方案研究

張淑娟

（云南經(jīng)濟(jì)管理職業(yè)學(xué)院，云南 昆明 650106）

一、計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)相關(guān)技術(shù)理論概述

計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的研發(fā)是為了進(jìn)一步遏制越來(lái)越猖狂的抄襲現(xiàn)象，為良好的學(xué)術(shù)氛圍構(gòu)建一個(gè)檢測(cè)平臺(tái)。當(dāng)前已經(jīng)有諸多的計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)不斷被研發(fā)出來(lái)，各種各樣反抄襲手段也隨之而出，因此在對(duì)計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)進(jìn)一步研發(fā)的過(guò)程中，我們追求的不僅僅是能夠檢測(cè)相應(yīng)的抄襲文檔，還應(yīng)該從性能、準(zhǔn)確度以及檢測(cè)效率等各個(gè)方面提升反抄襲檢測(cè)系統(tǒng)的實(shí)用性。衡量一個(gè)反抄襲檢測(cè)系統(tǒng)優(yōu)劣的標(biāo)準(zhǔn)諸多，但是關(guān)鍵還在于程序的算法設(shè)計(jì)方面。我國(guó)現(xiàn)有的諸多計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)都是針對(duì)中文字符來(lái)設(shè)計(jì)相應(yīng)算法的，而國(guó)外較為先進(jìn)的計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)卻是在英文環(huán)境之下進(jìn)行開(kāi)發(fā)的，難以為我國(guó)學(xué)術(shù)檢測(cè)環(huán)境所應(yīng)用。針對(duì)中英文在我國(guó)學(xué)術(shù)界的通用性，我國(guó)需要在此環(huán)境基礎(chǔ)之上研發(fā)出相應(yīng)的計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)。當(dāng)前計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)相關(guān)核心技術(shù)主要有如下幾種：

一是模擬匹配技術(shù)，模擬匹配技術(shù)在信息技術(shù)安全、信息檢索以及數(shù)據(jù)挖掘等方面已經(jīng)得到了廣泛的運(yùn)用，同時(shí)當(dāng)前我國(guó)計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)也是在模擬匹配技術(shù)支持基礎(chǔ)之上實(shí)現(xiàn)的，一個(gè)良好的計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)需要有一個(gè)精確的算法作為支撐，與此同時(shí)模擬匹配技術(shù)可以分為單模式和多模式匹配算法，其中單模式匹配算法指的是從在長(zhǎng)度為N的字符串Y中找到與長(zhǎng)度為M的字符串X有一定相似度的子串，如果有相符的字串就會(huì)相應(yīng)的位置，如果沒(méi)有找到相似的字串就會(huì)返回到零；其中多模式匹配算法指的是將字串集合P=(P1，P2，……P3)，分別于字符串Z經(jīng)過(guò)相匹配分析得到相似的字符串并回到相應(yīng)的位置，如果沒(méi)有找到相似的字串就會(huì)返回到零，多模式匹配算法與單模式匹配算法有所不同，多模式匹配算法可以同時(shí)計(jì)算多個(gè)字符串并進(jìn)行匹配計(jì)算，可以大大提升計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的檢測(cè)效率和使用性能[1]。

二是相似度算法，隨著當(dāng)前我國(guó)計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的日益完善，抄襲者開(kāi)始不斷變換抄襲手段，使用同義詞替換、添加刪除相應(yīng)的字段、調(diào)換字符串之間的順序等方式來(lái)逃避反抄襲檢測(cè)系統(tǒng)，對(duì)此可以使用相似度算法原理來(lái)對(duì)計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)進(jìn)行進(jìn)一步的優(yōu)化升級(jí)。相似度算法從一定程度上來(lái)說(shuō)也是模式匹配算法中的一種算法模式，是對(duì)不同字符串中相似程度的計(jì)算方法，文本相似度計(jì)算方法主要有字符匹配相似度法、集合模型的相似度計(jì)算法、空間向量模型相似度計(jì)算方法等。

三是中文分詞技術(shù)，在對(duì)文本抄襲進(jìn)行反抄襲檢測(cè)時(shí)，如果利用整句的方式對(duì)相關(guān)關(guān)鍵信息進(jìn)行匹配相似度計(jì)算等，可能會(huì)使檢測(cè)過(guò)程極為復(fù)雜且有檢測(cè)信息片面等問(wèn)題，從而大大降低了計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的檢測(cè)效率，對(duì)此，可以使用中文分詞技術(shù)在對(duì)檢測(cè)文本進(jìn)行合理化分割的前提之下提升計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的準(zhǔn)確度和性能。中文分詞技術(shù)主要包括了字符串匹配分詞技術(shù)、統(tǒng)計(jì)方法的分詞技術(shù)以及知識(shí)理解的分詞技術(shù)等方法[2]。

二、計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)需求及功能分析

1.計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)中的核心技術(shù)

綜合前人的研究以及本文對(duì)反抄襲程序的研究可以知道計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)設(shè)計(jì)的核心技術(shù)在于程序抄襲檢測(cè)技術(shù)，從上述分析可以知道程序抄襲檢測(cè)技術(shù)的重點(diǎn)在于相似度計(jì)算技術(shù)的選擇與應(yīng)用，相似度計(jì)算技術(shù)在計(jì)算機(jī)程序設(shè)計(jì)中的應(yīng)用指的是運(yùn)用計(jì)算機(jī)實(shí)現(xiàn)對(duì)不同兩個(gè)程度文檔、代碼等各個(gè)方面的相似度匹配計(jì)算，這種方法已經(jīng)被廣泛地應(yīng)用到數(shù)字技術(shù)、學(xué)術(shù)領(lǐng)域、軟件工程代碼管理以及知識(shí)產(chǎn)權(quán)保護(hù)等各個(gè)領(lǐng)域中，可見(jiàn)相似度計(jì)算技術(shù)在計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的運(yùn)用是至關(guān)重要的。但是在進(jìn)行計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)設(shè)計(jì)開(kāi)發(fā)時(shí)首先需要明確系統(tǒng)的需求分析和相應(yīng)的功能分析[3]。

2.計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)需求及功能分析

（1）計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)使用需求分析

比如在學(xué)生提交所創(chuàng)作的電子文檔類型的程序設(shè)計(jì)作業(yè)時(shí)，在沒(méi)有對(duì)此實(shí)行反抄襲軟件檢測(cè)之前，教師難以從中了解到提交的這些電子文檔類型程序設(shè)計(jì)作業(yè)哪些地方可能存在抄襲現(xiàn)象，因此在進(jìn)行計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)設(shè)計(jì)開(kāi)發(fā)之前需要將已有的所有文檔進(jìn)行相互對(duì)比匹配檢測(cè)，最終可以給出不同程序文檔之間的相似度匹配計(jì)算結(jié)果，一般都會(huì)以百分比的形式給出相應(yīng)的似度匹配計(jì)算結(jié)果。與此同時(shí)需要考慮到計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)使用者的使用習(xí)慣和邏輯性思維，這就需要在完成不同程序文檔之間的相似度匹配計(jì)算結(jié)果之后，對(duì)這些相似度計(jì)算結(jié)果進(jìn)行一個(gè)方向性的排序，通過(guò)上述的計(jì)算分析處理就可以得到相似度最大的程度文檔，以此可以綜合性地高效、準(zhǔn)確地確定存在抄襲現(xiàn)象的電子程序文檔。

（2）計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)使用功能分析

從上述分析可以知道，在進(jìn)行計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)開(kāi)發(fā)設(shè)計(jì)時(shí)需要保障有如下幾個(gè)方面的功能，以滿足反抄襲檢測(cè)系統(tǒng)的應(yīng)用需求：

一是，選取并按照一定的順序羅列出將要被計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)進(jìn)行檢測(cè)的程序文檔文件名以及對(duì)應(yīng)的文檔路徑等，對(duì)于這些羅列的程序文檔可以進(jìn)行后續(xù)的添加和刪除，后續(xù)可以根據(jù)分析需求將指定的程序文檔進(jìn)行部分刪除或者全部清空處理等[4]。

二是，開(kāi)發(fā)設(shè)計(jì)具備對(duì)程序文檔進(jìn)行相似度計(jì)算的功能。首先需要對(duì)這些將要被計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)進(jìn)行檢測(cè)的程序文檔進(jìn)行相互匹配計(jì)算，即將所有文檔進(jìn)行相互的配對(duì)分析，然后在此基礎(chǔ)之上對(duì)這些程序文檔之間的相似度進(jìn)行有效計(jì)算，最后將上述程序文檔之間的相似度計(jì)算結(jié)果按照從高至低的順序進(jìn)行一一排列。在此將相似度匹配計(jì)算方法運(yùn)用到計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)之中，可見(jiàn)這是該系統(tǒng)的核心功能所在。

三是，對(duì)上述程序文檔相似度較高的對(duì)象進(jìn)行進(jìn)一步的細(xì)化對(duì)此處理分析。由于相似度較高的程序文檔則說(shuō)明這些程度文檔具備較高抄襲度，因此在上述相似度匹配計(jì)算結(jié)果基礎(chǔ)之上需要對(duì)其進(jìn)行進(jìn)一步的細(xì)化分析，從而準(zhǔn)確地確認(rèn)這些程序文檔是否存在抄襲現(xiàn)象，可以將兩個(gè)相似度最高的程序文檔進(jìn)行深入對(duì)比分析，并顯示出相同部分來(lái)確定。對(duì)于相似度匹配計(jì)算結(jié)果較低的程序文檔可以直接確定這些程序文檔不存在相互抄襲的現(xiàn)象。

三、計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)設(shè)計(jì)方案

從上述分析可以知道我國(guó)計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)存在一定的可挖掘空間，面臨中英文環(huán)境的沖擊以及反抄襲檢測(cè)系統(tǒng)的功能需求，本文將在此基礎(chǔ)之上提出適用于中英文背景之下的計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)研發(fā)技術(shù)工具，該反抄襲檢測(cè)系統(tǒng)設(shè)計(jì)的目的在于可以有效對(duì)程度文檔中的中英文字符進(jìn)行合理分割，進(jìn)而實(shí)現(xiàn)相似度匹配的計(jì)算，最終設(shè)計(jì)出相似度匹配過(guò)程中的模糊匹配、分割匹配等計(jì)算模式，從而高效準(zhǔn)確地對(duì)中英文字符文檔進(jìn)行檢測(cè)，并進(jìn)而根據(jù)所檢測(cè)的各個(gè)層次的字符串按照規(guī)定的方式進(jìn)行相似度計(jì)算，為抄襲現(xiàn)象的判斷提供可靠依據(jù)。與此同時(shí)，計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)還需要為數(shù)據(jù)庫(kù)提供中英文庫(kù)存文檔的存儲(chǔ)、添加刪除、信息資源庫(kù)的文化更新以及用戶信息資源的維護(hù)更新、文檔篩選檢測(cè)等方面的功能。據(jù)此可以對(duì)計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的功能模塊進(jìn)行對(duì)應(yīng)的開(kāi)發(fā)設(shè)計(jì)[5]。

計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的功能模塊設(shè)計(jì)所需要服務(wù)的對(duì)象主要包括幾個(gè)層面：

一是，計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)面向系統(tǒng)用戶的功能設(shè)計(jì)，需要根據(jù)用戶的需求提供用戶注冊(cè)功能、用戶個(gè)人信息資源維護(hù)、信息更新以及修改完善、用戶會(huì)員登錄、信息資源程序文檔的提交、檢測(cè)結(jié)果的查詢、操作處理等方面的功能。

二是，計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)面向系統(tǒng)管理員的功能設(shè)計(jì)，需要根據(jù)系統(tǒng)管理員的需求提供信息資源庫(kù)中英文程序文檔的添加刪除、信息資源維護(hù)、信息資源信息表的及時(shí)更新等多個(gè)方面的操作處理功能，除此之外，還可以為系統(tǒng)管理員提供相關(guān)數(shù)據(jù)庫(kù)的構(gòu)建管理和系統(tǒng)用戶操作處理等方面的服務(wù)功能。

三是，計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)檢測(cè)運(yùn)行實(shí)現(xiàn)的過(guò)程如下：首先系統(tǒng)管理員通過(guò)輸入相應(yīng)的口令登錄到檢測(cè)系統(tǒng)管理平臺(tái)，然后將所要被檢測(cè)的中英文文檔添加進(jìn)入相應(yīng)的信息資源庫(kù)，以此方便系統(tǒng)用戶能夠便捷地進(jìn)行程序文檔的檢測(cè)。系統(tǒng)用戶在完成系統(tǒng)平臺(tái)注冊(cè)登錄之后便可以提供將要被檢測(cè)的程序文檔，計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)將用戶的程序文檔與信息資源庫(kù)中的程序文檔進(jìn)行相似度匹配計(jì)算之后，可以得出相似度較高的程序文檔。最后將這些相似度較高的程序文檔進(jìn)行進(jìn)一步的兩兩對(duì)比深入分析，將最終結(jié)果通過(guò)計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)顯示反饋給系統(tǒng)用戶。

綜上所述，可以將計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)開(kāi)發(fā)設(shè)計(jì)為文檔注冊(cè)模塊、篩選、抄襲檢測(cè)以及后臺(tái)信息資源維護(hù)模塊等幾個(gè)重要的模塊，如圖1所示，同時(shí)每一個(gè)模塊相對(duì)獨(dú)立地承擔(dān)相應(yīng)的功能，共同為反抄襲檢測(cè)系統(tǒng)服務(wù)，從而為學(xué)術(shù)領(lǐng)域等提供最佳的反抄襲系統(tǒng)檢測(cè)服務(wù)。

圖1 ：計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)模塊方案

[1]房德安.計(jì)算機(jī)程序抄襲檢測(cè)系統(tǒng)的設(shè)計(jì)方案分析[J].黑龍江科技信息，2013，(2):53-54.

[2]李雅慧，郭婷，孫麗穎.一種基于高頻詞和段落匹配的論文抄襲檢測(cè)系統(tǒng)設(shè)計(jì)[J].現(xiàn)代經(jīng)濟(jì)信息，2009，(11):158-159.

[3]胡正軍.程序代碼相似度檢測(cè)方法研究及應(yīng)用[D].長(zhǎng)沙：中南大學(xué)，2012.

[4]李旭東.程序相似度計(jì)算技術(shù)及其在教學(xué)中的應(yīng)用[J].軟件導(dǎo)刊(教育技術(shù))，2010，(4):111-113.

[5]祁俊，王曉英.抄襲檢測(cè)系統(tǒng)對(duì)計(jì)算機(jī)類電子作業(yè)的影響分析[J].價(jià)值工程，2012，(8):76-79.