利用程式码相似度辅助学生程式作业分群之实作淡江大学资讯管理学系.PPTVIP

Chen et al. (2002)提出一種利用壓縮找尋程式相似片段的作法。基本上，和YAP和JPlag類似，可分成兩階段。第一階段將程式轉換成符號字串，第二階段則改用壓縮器(compressor)找出兩程式的相似片段。 ID方法可避免受大量插入無意義敘述，如int x=1等之騙術干擾。對MOSS或JPlag，這些干擾可能會造成偵測不出相似性，但SID可以解決此問題。 * SIM系統(Gitchell, 1999)乃利用DNA比對上常用的序列排比(alignment)方式，來計算兩程式間的相似性。由於兩序列的排比方式非常多，因此仿DNA比對定義每種序列排比的得分，再由動態規畫找出其中分數最高者而得最佳排比方式。利用最佳排比得分，可以比較兩程式相似性。 * 隨機挑選一程式做為第一群，對每一個新程式i，計算與群集合C中每一群c之所有程式的群相似度 。找出和程式i的群相似度大於相似門檻值THS的群集合 ，取其中群相似度最大的群 ，視為程式i的歸屬群，將程式i加入群 中。若無法找出大於相似門檻值的群集合 ，則程式i另成一群。 * 針對程式教學的評分一致性需求，本文利用程式相似度，做為學生作業程式的分群依據，分群之後的程式可以方便老師或助教就相近程式進行一致性的評分。本文以實際作業程式作測試，結果顯示採用本作法，其分群正確性與人工分群結果非常接近。 未來研究方面，可以找更多其他學生作業程式集做測試，進一步驗證基於YAP相似度做為程式分群指標的普遍可行性。另外就分群方法上，本文只採用單次無階層分群方法，未來也可以嘗試使用其他分群方法作測試。 * 淡江大學資訊管理學系 淡江大學資訊管理學系 淡江大學資訊管理學系 淡江大學資訊管理學系 淡江大學資訊管理學系 淡江大學資訊管理學系 淡江大學資訊管理學系 淡江大學資訊管理學系 魏世杰 林世唐 淡江大學資訊管理學系 淡江大學資訊管理學系 seke@mail.im.tku.edu.tw 淡江大學資訊管理學系 * 利用程式碼相似度輔助學生程式作業分群之實作 淡江大學資訊管理學系 程式碼比對可以分為語彙層及語法層兩種比對技術。 語彙層比對：以符號為單位，依兩程式之間的相同符號之多寡，決定兩者相似度 語法層比對：必須將程式碼轉換成結構圖或流程圖，再將圖形依節點互相比對，找出最相似的兩個節點，決定程式相似度 程式碼比對的應用方向包括 協助查詢相似範例程式，加速開發速度 偵測重複程式，有利程式精簡及合併 偵測抄襲，利於版權維護 本文將程式碼比對應用於協助程式教學。在班級眾多學生程式中，如何偵測相似寫法給予一致分數，一直是批改程式作業之困擾。本文將利用程式相似度，對學生程式作業進行分群，以輔助作業批改之給分一致性。 本文將實作此程式分群系統，並評估其分群正確性。 淡江大學資訊管理學系 * Whale (1990) 綜合各種語彙及語法層的程式碼比對技術，將其大致區分為兩類： 屬性比對 結構比對 淡江大學資訊管理學系 * 六個數值維度比對程式相似度 (Sallis et al., 1996) 容積(Volume) (Halstead, 1997) 結構(Structure) 資料相依(Data Dependency) 迴圈深度(Nesting Depth) 控制結構(Control Structure) 控制流程(Control Flow) 淡江大學資訊管理學系 * 結構比對: 以如下幾個實際系統為例 MOSS(Measure Of Software Similarity) YAP(Yet Another Plague) JPlag SID(Software Integrity Diagnosis system) SIM(software SIMilarity tester) 淡江大學資訊管理學系 * MOSS (Measure Of Software Similarity) (Schleimer et al., 2003) 將程式的符號字串(token string)，每相鄰k個符號合併成一個長度k片段(k-gram)，計算其雜湊值。 程式有n個符號，將可計算出n-1個片段的雜湊值 這些雜湊值集合選擇其部分子集合可形成程式的指紋(fingerprint) 依照雜湊原理，不相同子串得到相同雜湊值的碰撞機率很小，因此若兩程式有一個或更多個雜湊值相同，則表示其有相同的長度k片段 淡江大學資訊管理學系 * YAP (Yet Another Plague) (Wise, 1992) 可以偵測程式中相似片段 使用Running-Karp-Rabin Greedy-String-Tiling (RKR-GST)演算法 分為兩個階段 前處理階段 比對階段 淡江大學資訊管理學系 *