Current Trends in Source Code Analysis, Plagiarism Detection and Issues of Analysis Big Datasets

در این کار، ما در حال تجزیه و تحلیل وضعیت هنر در منطقه تجزیه و تحلیل کد منبع با توجه به تشخیص سرقت ادبی و ارائه یک پیشنهاد برای کار آینده در این منطقه است. تشخیص سرقت ادبی، تشخیص کلون ها و روش های تعیین تشابه است. امروزه روش های متعددی وجود دارد که می توان به سه سطح تقسیم کرد. یکی از این موارد متنی است و از متن ساده به عنوان یک ورودی استفاده می کند. سطح دوم مبتنی بر نشانه است. سطح بالا مدل مبتنی است و از مدل هایی برای نشان دادن کد منبع استفاده می کند. این الگوریتم های پیشرفته (مبتنی بر نشانه و مدل) نمی توانند با مجموعه داده های بزرگ کار کنند. ما اعتقاد داریم که آینده متعلق به الگوریتم هایی است که بتوانند مقدار زیادی از کد منبع را اداره کنند. این الگوریتم ها باید از یک نماینده مبتنی بر مدل استفاده کنند. آنها می توانند برای تشکیل سیستم های ضد دولتی در مقیاس بزرگ استفاده شوند. آنها همچنین می توانند در زمینه بهینه سازی کد منبع استفاده شوند.