3

注意：很多可能的重复项，但似乎没有解决我的问题。

我正在研究基于MOSS的抄袭检测。

在成功实现一个过滤器去除所有必要的细节（评论、标点符号等）后，我使用滚动哈希实现（Rabin Karp）对内容进行哈希处理

然而，在源代码的两个文本文件中匹配的哈希具有非常不同的底层文本（没有抄袭但相同的哈希）

我实现的算法（Ruby）->（部分片段）

 #Preprocessing from RobinKarp Algorithm
  for c in 0...k do
    text_hash=(radix*text_hash+text_to_process[c].ord)%q
  end

  #Main loop
  for c in 0...loop do   
        text_hash=((radix*text_hash-(text_to_process[c].ord)*highorder)+(text_hash[c+k].ord))%q

我的实施有问题吗？或者我指定的参数可能有问题？

我取 radix=34 （我不确定它是否是正确的值，我假设删除的文本将只包含字母+一些特殊字符，如 '+'、'-'、'*'、'/' 所以粗略估计总共 34 个字符）

我将 q(prime) 设为 101

这是我正在处理的碰撞问题吗？关于如何解决问题的任何指示？

4

1 回答 1

2

我注意到，当 q = 101 时，只有 101 个可能的哈希值 - 0、1、2...100。你试过增加q吗？另一种方法是查看哈希值是否看起来像是在 0,1..q-1 的可能值内随机选择的值。

当然，您还应该在存在重复字符串的情况下测试您的程序以供它查找 - 失败可能是任何问题的另一个症状，也可能导致冲突，并且更容易找到和调试。

于 2012-01-15T08:07:38.700 回答