Frequency-based Highlight Extraction in Software Plagiarism Detection

Festzustellen, ob Programmierabgaben, die dieselbe Aufgabenstellung bearbeiten, eigenständig erstellt oder voneinander abgeschrieben wurden, ist eine Herausforderung. Diese Aufgabe kann durch den Einsatz von Plagiatsdetektorprogrammen erleichtert werden. Diese Programme vergleichen die Abgaben miteinander und erkennen die Ähnlichkeiten von Abschnitten zwischen zwei Abgaben. Bisher wird jedoch nicht berücksichtigt, ob ein gleicher oder übereinstimmender Abschnitt in mehr als zwei Abgaben vorhanden ist. Wir gehen davon aus, dass wenn eine Übereinstimmung in nur wenigen Abgaben vorkommt, die Wahrscheinlichkeit erhöht ist, dass es sich um ein Plagiat handelt und umgekehrt. ... mehrDie Häufigkeiten von Übereinstimmungen wird über alle paarweise Vergleiche hinweg gezählt.
Wir integrieren diesen Ansatz in den tokenbasierten Plagiatsdetektor JPlag, um zu sehen, wie sich verschiedene Strategien zur Erkennung und Gewichtung der Häufigkeitsverteilung von Übereinstimmungen eignen, um Plagiate und unverdächtige Übereinstimmungen besser zu trennen. Das Ergebnis der Gewichtung fließt in den Similarity Score ein, der die Ähnlichkeit zwischen zwei Abgaben bewertet. Die Ergebnisse zeigen, dass dieser Ansatz die Plagiatserkennung verbessern kann.

Determining whether programming submissions addressing the same task were created independently or copied from one another is challenging. This task can be made easier with the use of plagiarism detection programs. These programs compare the submissions and identify similarities in sections between two submissions. However, to date, they do not take into account whether an identical section appears in more than two submissions. We assume that if a similarity occurs in only a few submissions, the probability of plagiarism is increased, and vice versa. The frequency of matches is counted across all comparisons. ... mehrWe integrate this approach into the token-based plagiarism detector JPlag to see how different strategies for detecting and weighting the frequency distribution of matches can be used to better separate plagiarism from inconspicuous matches. The weighting is incorporated into the Similarity Score, which assesses the similarity between two submissions. The results show that this approach can improve plagiarism detection.