《表3 特征（b）和（d）的词频矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于编码习惯的SQL语句抄袭检测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对提取的特征进行处理，将其转换成词频（Term Frequency，TF）矩阵，以便能够便捷高效地对数据进行计算。词频是指文件中的某个词在文件中出现的频率，而TF矩阵是将相互对比的两段代码中存在的关键字都放入到一个矩阵M中，然后分别计算这两段代码中各个词出现的次数。例如表2中的（b):\""select from where not exists（select from where）\""和（d):\""SELECT\\nFROM\\nWHERE NOT EXISTS（\\nSELECT\\nFROM\\nWHERE）\""。本检测算法设定保留字因大小写的不同、是否包含换行符缩进符等内容而认定为不同的关键字，于是生成的关键字矩阵M为：['（'，'）'，'SELECT'，'select'，'\\nSELECT'，'not'，'NOT'，'where'，'\\nWHERE'，'from'，'\\nFROM'，'exists'，'EXISTS']，由此便能生成出代码（b）和代码（d）的词频矩阵，如表3所示。