基于预训练Transformer语言模型的源代码剽窃检测研究

为解决源代码剽窃检测的问题,以及针对现有方法需要大量训练数据且受限于特定语言的不足,提出了一种基于预训练Transformer语言模型的源代码剽窃检测方法,其结合了词嵌入,相似度计算和分类模型。该方法支持多种编程语言,不需要任何标记为剽窃的训练样本,即可达到较好的检测性能。实验结果表明,该方法在多个公开数据集上取得了先进的检测效果,F1值接近。同时,对特定的能获取到较少标记为剽窃训练样本的场景,还提出了一种结合有监督学习分类模型的方法,进一步提升了检测效果。该方法能广泛应用于缺乏训练数据、计算资源有限以及语言多样的源代码剽窃检测场景。

自主选拔“过来人”语——上海交通大学新生为你进言

陈希南:自我介绍应务实谨慎不同于复旦五个专家分开面试的形式,上海交大采取的是五对一的模式,而且很重要的一点是交大派出的教授往往与你所填报的专业有关。这样的形式也就意味着专家所提的问题往往比较注重你所填写或自我介绍的专长或者兴趣所在,问题也会比较集中。