[发明专利]一种基于代码提交历史的Git仓库相似性检测方法

权利要求书

1.一种基于代码提交历史的Git仓库相似性检测方法，其特征在于，包含以下步骤：

步骤1：搭建和配置Git环境，下载Git软件并安装，配置环境变量，确认安装成功；

步骤2：获取项目历史版本提交记录编号，具体包括：

步骤21)通过url从远程服务器上的Git仓库中克隆整个项目到本地仓库并初始化该仓库；

步骤22)与本地仓库建立连接并打开该连接；

步骤23)通过Git的log历史记录命令获取所有的历史提交记录集合；

步骤24)遍历步骤23)中获取的集合，获取所有版本的历史提交记录编号；

步骤3：进行同一仓库项目历史版本之间的相似性分析，具体包括：

步骤31)通过新版本的历史提交记录编号获取本次所有提交的修改文件；

步骤32)通过历史版本的历史提交记录编号获取步骤31)获取的修改文件对应的原始文件；

步骤33)对步骤31)和步骤32)获取的两个文件进行diff操作，使用文件相似性分析算法分析比较文件，标记文件内容是相等标记、插入标记或者是删除标记，获取分析结果diff标记集合；

步骤34)遍历步骤33)中获取的diff标记集合，分别统计删除标记、相等标记和插入标记行数，如果遇到删除标记，则记录删除标记的行数并与历史删除记录行数相加；如果遇到相等标记，则记录相等标记行数并与历史相等记录行数相加；如果遇到插入标记，则记录插入标记行数并与历史插入记录行数相加；最后将删除标记行数和相等标记行数相加，作为总行数；

步骤35)通过步骤31)计算文件修改数量，视为工作量；将步骤34)统计的插入行数视为工作量；

步骤4：进行不同仓库同一需求项目之间的相似性分析，

步骤4具体包括以下步骤：

步骤41)首先计算项目中每个文件的MD5值，然后逐一比对文件的MD5值，如果有MD5值相等，则可初步得出判定，该项目为非自主完成；然后逐一检测每一个文件的相似性；

步骤42)对两个文件进行diff标记操作，使用文件相似性分析算法分析比较文件，标记文件内容是相等标记、插入标记或者是删除标记，获取分析结果diff标记集合；

步骤43)遍历步骤42)中获取的diff标记集合，分别统计删除标记、相等标记和插入标记行数，如果遇到删除标记，则记录删除标记的行数并与历史删除记录行数相加；如果遇到相等标记，则记录相等标记行数并与历史相等记录行数相加；如果遇到插入标记，则记录插入标记行数并与历史插入记录行数相加；最后将删除记录行数和相等记录行数相加，作为总行数；

步骤44)使用步骤43)获取的相等行数除以步骤43)获取的总行数作为文件相似性；将所有文件的相似性相加取平均值作为该本次检测的相似性，将所有检测的相似性相加取平均值作为该项目的相似性；

步骤5：分析项目是原创、借鉴或者抄袭，具体包括：

步骤51)如果只经过步骤3分析而没有步骤4分析，首先查看历史记录提交次数，如果历史记录提交次数小于2次，标记原创系数为0.1；如果历史记录提交次数在2-3之间，标记原创系数为0.3；如果历史提交次数在4-5之间，标记原创系数为0.6；如果历史记录提交次数在6-8之间，原创系数为0.8；如果历史记录提交次数超过8次，原创系数为1；然后根据步骤3统计的工作量计算相邻版本之间的工作量差值，如果差值在20以内是正常范围，记录差值分为100；如果差值在20-30之间，记录差值分为95；如果差值在30-45之间，记录差值分为90；如果差值在45-60之间，记录差值分为80；如果差值在60-75之间，记录差值分为70；如果差值在75-90，记录差值分为60；如果差值在90-110，记录差值分为45；如果差值在110-130，记录差值分为30；如果差值在130-160之间，记录差值分为15；如果差值超过160，则记录差值分为0；最后将原创系数乘以差值分的平均分作为真实性结果，如果结果低于40分，则标记为抄袭；如果结果在40-60分之间，标记为借鉴；如果结果在60分以上，标记为原创；

步骤52)如果既有步骤3分析又有步骤4分析，首先将步骤51)计算的真实性结果作为初步真实性结果；然后将步骤4计算的相似性作为项目初步真实性结果系数；最后将初步真实性结果乘以初步真实性结果系数再加上5作为真实性结果，真实性结果计算方法同步骤51)。