Skip to content

作业查重软件,它实现了程序代码、文档文本、图片之间的相似度检查。a code-similarity, text-similarity and image-similarity computation software for the codes, documents and images of assignment.

License

Notifications You must be signed in to change notification settings

fanghon/antiplag

Repository files navigation

antiplag 程序代码、文档、图片作业相似度检查软件

软件主要检查、比较学生提交的电子档作业之间的相似度,能对多种编程语言(如java、c/c++、python等)、多种格式(txt、doc、docx、pdf等)的中英文、简繁体文档之间的文本、多种格式(png、jpg、gif、bmp等)的图片相似度进行比较分析,输出相似度高的代码、文本、图片,进而辅助发现学生之间互相抄袭的行为。

需求

jdk11

安装

直接下载或clone项目源代码版,或下载软件的发布版releases。 源代码版可以直接导入eclipse,主入口类是gui.plag.edu下的PlagGUI。 系统在window10,jdk11 64位下开发、运行。

使用

在发布版子目录下,双击run.bat批处理程序,就能启动程序。使用说明参见发布版子目录下的软件使用文档。程序主界面如下: 程序主界面

原理

系统采用的主要技术是字符串相似度比较算法、代码词法语法解析、自然语言处理(nlp)中的分词、图片相似度比较算法。

程序类文本的相似度比较基于3个开放系统:

  • 一是基于网络服务的MOSS系统(斯坦福大学开放的支持多种编程语言代码相似度比较的系统);
  • 二是本地执行的sim系统(支持java、c等语言的文本相似度比较)。
  • 三是本地执行的jplag系统(支持java、c/c++、python等语言的文本相似度比较)。

本系统在它们基础上进行了二次开发和封装,针对moss系统,开发出了客户端存取模块,实现了代码文件提交、结果获取和解析、结果排序等功能;针对sim和jplag,则将其集成到系统中,在moss因网络故障等原因不可用时,可作为替代产品使用。

中英文文档作业相似度的比较提供了两种算法:

第一种是基于shinglecloud算法(一种基于文本指纹的、语言无关的相似度快速计算方法),文档主要处理过程如下:

  1. 使用tika读取不同格式(txt、doc、docx、pdf、html等)不同编码文件中的文本内容,并将其转换成能统一处理的文本;
  2. 使用hanlp对文本进行预处理、分词;
  3. 使用shinglecloud算法计算文本之间的相似度;
  4. 根据相似度排序,输出比较结果。

第二种是基于jplag的GST算法,对其功能进行了扩展,增加的“doc”语言类型,可以对各种文档进行相似度计算,并提供基于网页的可视化比对功能。

图片的相似度比较基于JImageHash项目

主要采用了图片phash指纹相似度比较算法。

参考文献:

  1. Software Plagiarism Detection Techniques:A Comparative Study
  2. JPlag: Finding plagiarisms among a set of programs
  3. Winnowing: Local Algorithms for Document Fingerprinting moss系统采用的核心算法
  4. 软件抄袭检测研究综述

TODO

  1. 将jplag整合进系统。已实现。
  2. 支持html,jsp文件代码的查重。
  3. 支持图片文件查重。已实现。
  4. 开发web版作业查重软件。已实现,请参考dalefe
  5. 支持存储以往作业文档,支持基于数据库的作业查重。

源于开源,还于开源,开源是美德,加星也是美德 😄 。

更新情况

  1. 2019.12.1 使用hanlp作为分词组件,支持pdf、html文件文本的查重,修复若干bug,发布v2.8.6版。
  2. 2019.12.3 扩展jplag功能,提供“doc”语言类型,实现了对多种格式文档文本的相似度计算及可视化比对功能。更新使用帮助,测试数据,发布v2.8.8版。
  3. 2019.12.25 实现图片相似比较功能,使用phash,实现了对多种格式图片的相似比较。更新测试数据,文档,发布v3.0.0版。

About

作业查重软件,它实现了程序代码、文档文本、图片之间的相似度检查。a code-similarity, text-similarity and image-similarity computation software for the codes, documents and images of assignment.

Topics

Resources

License

Stars

Watchers

Forks

Packages

No packages published

Languages