导语

你的童年我的童年好像都一样

小小身体大大书包上呀上学堂

世界上本没有喜欢上学的小孩

被爸妈打多了，也就有了~

上学意味着什么呢~意味着开始做作业

假期作业没写怎么办？赶紧拿姐妹的来抄，你心里悄咪咪的笑了，终于赶上了最后学委去办公室的那趟高速。

哈哈哈这很可以，童年的真实情况一览无余了。今天我还看到一个笑话：

为防抄作业，爸爸要求将五胞胎分在五个班。

这操作真神了，但是哪用这么麻烦撒！

今天小编带大家写一款抄袭检测小脚本，在家就能知道你孩子的作业都互相抄袭了没~

正文

首先载入所有必要的模块（1）：

import os 
from sklearn.feature_extraction.text import TfidfVectorizer 
from sklearn.metrics.pairwise import cosine_similarity

使用OS模块加载文本文件的路径，然后使用TfidfVectorizer对文本数据和余弦相似度执行词嵌入，来计算是否存在抄袭。（2）：

用列表推导式（List Comprehension）读取所有文本文件

接下来使用列表推导式来加载项目目录中所有的路径文件，如下：

student_files =[doc for doc in os.listdir() if doc.endswith( .txt )]

使用Lambda功能来向量化并计算相似性（3）：

需要创建两个lambda函数，一个用来将文本转换成数字数组，另一个用来计算它们的相似性。

vectorize =lambda Text: TfidfVectorizer().fit_transform(Text).toarray()
similarity = lambda doc1, doc2:cosine_similarity([doc1, doc2])

将文本数据向量化（4）：

加入下列两行代码，将加载的学生文件向量。

vectors =vectorize(student_notes)
s_vectors = list(zip(student_files,vectors))

创造一个计算相似性的功能。下面是脚本的主要功能，负责管理计算学生之间相似度的整个过程。

def check_plagiarism(): 
    plagiarism_results = set() 
    global s_vectors 
    for student_a, text_vector_a in s_vectors: 
        new_vectors=s_vectors.copy() 
        current_index = new_vectors.index((student_a,text_vector_a)) 
        del new_vectors[current_index] 
        for student_b , text_vector_b in new_vectors: 
            sim_score =similarity(text_vector_a, text_vector_b)[0][1] 
            student_pair= sorted((student_a, student_b)) 
            score = (student_pair[0], student_pair[1],sim_score) 
            plagiarism_results.add(score) 
    return plagiarism_results 
Let’s print plagiarism results 
for data in check_plagiarism(): 
    print(data)

最终代码如下检测学生作业中是否存在抄袭行为：

import os 
from sklearn.feature_extraction.text import TfidfVectorizer 
from sklearn.metrics.pairwise import cosine_similarity

student_files = [doc for doc in os.listdir() if doc.endswith( .txt )] 
student_notes=[open(File).read() for File in student_files]

vectorize = lambda Text:TfidfVectorizer().fit_transform(Text).toarray() 
similarity = lambda doc1, doc2: cosine_similarity([doc1,doc2])

vectors = vectorize(student_notes) 
s_vectors= list(zip(student_files, vectors))

def check_plagiarism(): 
    plagiarism_results = set() 
    global s_vectors 
    for student_a, text_vector_a in s_vectors: 
        new_vectors=s_vectors.copy() 
        current_index = new_vectors.index((student_a,text_vector_a)) 
        del new_vectors[current_index] 
        for student_b , text_vector_b in new_vectors: 
            sim_score =similarity(text_vector_a, text_vector_b)[0][1] 
            student_pair= sorted((student_a, student_b)) 
            score = (student_pair[0], student_pair[1],sim_score) 
            plagiarism_results.add(score) 
        return plagiarism_results

for data in check_plagiarism(): 
    print(data)

总结

抄袭检测器完成啦！老师们用起来，广大中小学生们的美梦就此结束了。

哈哈哈！源码基地：#959755565# 进来的小可爱记得三连哦~爱你

同学！你因作业作弊已被AI抓获，Python制作一款AI检测抄袭小脚本。

​导语

为防抄作业，爸爸要求将五胞胎分在五个班 。

正文

总结

导语

为防抄作业，爸爸要求将五胞胎分在五个班。