sandeepmohamed666/AI-Powered-Plagiarism-Detection-System
GitHub: sandeepmohamed666/AI-Powered-Plagiarism-Detection-System
基于 NLP 和机器学习的端到端抄袭检测系统，支持多格式文本与源代码的相似度分析。
Stars: 0 | Forks: 0
# NLP 抄袭检测系统
一个端到端的抄袭检测项目，包含 **Flask 后端**、**现代前端 UI**、**NLP 相似度引擎**、**源代码抄袭模式**、**训练 notebook** 以及持久化的 **`.pkl` 模型文件**。
## 覆盖范围
本系统支持基于 NLP 的抄袭检测，适用于：
- 文本抄袭
- 研究论文
- 书籍
- 文章
- 论文
- 电子邮件
- 聊天消息
- 网站内容（通过 URL 抓取）
- 源代码抄袭
## 支持的文件类型
后端支持多种格式的文本提取和尽力解析：
- 文档：`.txt`, `.md`, `.pdf`, `.docx`, `.rtf`
- 网页与数据：`.html`, `.htm`, `.csv`, `.json`, `.xml`, `.yaml`, `.yml`
- 通信记录：`.eml`, `.log`
- 源代码：`.py`, `.js`, `.ts`, `.java`, `.c`, `.cpp`, `.cs`, `.go`, `.rs`, `.php`, `.rb`, `.swift`, `.kt`, `.scala`, `.sh`, `.sql`, `.css`, `.scss`, `.jsx`, `.tsx`
- 未知扩展名将通过尽力文本解码进行处理。
## 项目结构
```
Plagiarism Detection System/
app.py
requirements.txt
backend/
frontend/
models/
notebooks/
scripts/
data/reference_corpus/
uploads/
```
## 设置
1. 安装依赖项：
pip install -r requirements.txt
2. 训练并生成 `.pkl` 文件：
python scripts/train_model.py
3. 运行应用程序：
python app.py
4. 打开：
- `http://127.0.0.1:5000`
## React + Recharts 前端 (Vite)
本项目现在在 `frontend/react_app` 中包含了一个 React 前端，并且 Flask 已配置为托管来自 `frontend/react_dist` 的 Vite 构建输出。
### 一次性前置条件
1. 安装 Node.js LTS（包含 npm）。
2. 在项目根目录下，安装前端依赖项：
cd frontend/react_app
npm install
### 开发模式（推荐用于 UI 开发）
1. 运行 Flask 后端：
python app.py
2. 在第二个终端中，运行 Vite 开发服务器：
cd frontend/react_app
npm run dev
3. 打开：
- `http://127.0.0.1:5173`
Vite 会将 `/api/*` 调用代理到 `http://127.0.0.1:5000` 的 Flask。
### 由 Flask 托管的生产构建
1. 构建前端：
cd frontend/react_app
npm run build
2. 运行 Flask：
python app.py
3. 打开：
- `http://127.0.0.1:5000`
如果 `frontend/react_dist/index.html` 存在，Flask 将托管 React 应用程序；否则，它将回退到 `frontend/templates/index.html` 中的原始模板。
## 机器学习库（Pandas, NumPy, Scikit-learn, XGBoost）
所有依赖项现在都集中在一个文件中：`requirements.txt`。
Windows 上的推荐设置：
1. 安装 Python 3.14.5。
2. 创建新环境：
py -3.14 -m venv .venv
.venv\Scripts\activate
3. 安装所有项目依赖项：
pip install -r requirements.txt
之后，notebook 就可以直接导入这些包了。
## API 端点
- `GET /api/health`
- `POST /api/check-text`
- JSON 字段：`text`, `compare_text`（可选），`url`（可选），`mode`（`text` 或 `source_code`）
- `POST /api/check-files`
- 表单字段：`files`（多个），`mode`（`text` 或 `source_code`）
## 注意事项
- 如果 `models/` 中缺少模型文件，系统将回退到加权启发式分数。
- 如用于生产环境，请添加更大的人工筛选的参考语料库和更强的训练数据。
标签：Apex, Flask, React, Syscalls, 人工智能, 抄袭检测, 文本相似度计算, 机器学习, 用户模式Hook绕过, 网络测绘, 逆向工具