基于Ad-Sim算法的代码克隆检测方法

摘要：

代码克隆检测在代码抄袭检测、代码审查、软件更迭和错误检测等方面有重要作用.为提高代码克隆检测的准确率,结合TF-IDF及马尔科夫模型提出了一种改进的Simhash算法Ad-Sim.该算法首先对代码进行归一化预处理;其次在Simhash计算指纹签名的过程中使用TF-IDF计算各关键词权重,并利用马尔科夫模型优化关键词权重;最后比较待检测代码指纹签名的汉明距离相似度,从而判断待检测代码是否为克隆代码.实验结果表明:Ad-Sim算法在代码克隆检测上的准确率及召回率相比Simhash有所提升,尤其在少量代码的检测准确率上提升更明显.

关键词：Simhash、汉明距离、TF-IDF、马尔科夫模型

所属期刊栏目：47

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学专项基金资助项目61340058;浙江省自然科学基金重点资助项目LZ14F020001

在线出版日期：2019-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：411-416