Rozpoznání plagiátů zdrojového kódu v jazyce Python

Abstract

Tato práce se zabývá jazykem Python a vývojem aplikace, která vyhodnotí podobnost zadaných zdrojových textů v tomto jazyce. Kromě porovnávání komentářů využívá program několik porovnávacích metod, jež aplikuje na posloupnost tokenů, které vytvoří ze zadaných zdrojových textů. Jsou to Levenshteinova vzdálenost, nejdelší společný podřetězec a četnost tokenů. Součástí práce jsou také výsledky testování programu na reálných datech. Aplikace je určena pro kontrolu plagiátů zdrojových kódů školních projektů v jazyce Python.This thesis deals with the programming language Python and with development of the application that evaluates the similarity of the specified source codes in this programming language. In addition to comparison of comments, the program uses several comparison methods applied to a sequence of tokens that are created from the specified source codes. Namely, the Levenshtein distance, the longest common subsequence and the frequency of tokens. The thesis also includes the results of testing the program on real data. The application is designed to control the plagiarism in the source codes of the school projects written in the programming language Python.