2026 г., Том 31, № 4, с.123-131

Разработано представление исходного кода в виде бинарных векторов на основе хеширования поддеревьев абстрактного синтаксического дерева (AST). Предлагаемый подход позволяет выявлять структурные сходства и различия между фрагментами программ за счет перехода к количественным метрикам, что упрощает решение задач сравнения версий, поиска дубликатов и обнаружения плагиата. В рамках исследования создано расширенное представление AST с возможностью аннотирования узлов метаданными и реализован рекурсивный алгоритм хеширования с фильтрацией полей, не влияющих на структуру управления. На основе полученных хеш-значений сформированы бинарные векторы фиксированной размерности, которые после исключения редких признаков и преобразования в разреженный формат использованы в качестве входных данных для классификатора Random Forest. Экспериментальная валидация проведена на наборе данных Python75 с решениями 75 задач. Точность классификации типа решаемой задачи по исходному коду достигла 89.8 %, что подтверждает практическую пригодность разработанного метода для задач анализа программного кода с применением методов машинного обучения.