一、理解代码查重原理
计算机论文的查重系统（如知网、Turnitin等）不仅检测文本，对代码的相似度也会进行比对。其基本原理包括：
- 字符串匹配：直接比对代码字符串的相似度。
- 结构分析：分析代码的控制流图（CFG）、函数调用关系等结构信息。
- 特征提取：提取变量名、函数名、注释模式等特征进行对比。
请注意：简单地重命名变量、调整空格或修改注释，对高级查重系统效果有限。
二、核心降重策略：重构与优化
1. 逻辑结构重构
改变代码的执行顺序和结构，而不改变最终功能和输出结果。
- 分解函数：将一个复杂函数拆分成多个小函数。
- 合并逻辑：将多个简单函数用更精炼的逻辑合并。
- 改变算法：用另一种算法实现相同功能（如将冒泡排序改为快速排序）。
2. 代码表达形式转换
- 循环转换：将`for`循环改为`while`循环或递归。
- 条件语句重组：改变`if-else`的判断条件和嵌套顺序。
- 数据结构替换：如用链表代替数组实现队列（在合理的情况下）。
3. 增强代码“文本”原创性
代码的“文本”部分也是查重对象。
- 自定义命名：使用具有个人项目特色的变量、函数、类名。
- 详尽注释：为关键代码段添加个人理解的详细注释。
- 优化排版与空白：采用独特的、一致的代码缩进和空行风格。
三、应对AIGC（AI生成内容）查重：专业降AI率工具
随着AI写作辅助工具的普及，许多查重系统开始增加“AI生成内容检测”功能。如果你的论文部分内容（如综述、理论分析）借助了AIGC工具，需注意降低“AI率”。
小发猫降AIGC工具使用简介
这是一款针对降低文本AI生成痕迹的专业工具，可帮助处理论文中可能被识别为AIGC的文本部分。
核心使用步骤：
- 文本输入：将AI辅助生成或润色过的论文文本段落复制到工具输入框中。
- 模式选择：根据文本类型（如理论阐述、实验分析、综述）选择合适的“降AI”模式。
- 智能重写：工具会从词汇替换、句式重构、逻辑顺序调整、添加个人化表达等多个维度对文本进行深度改写。
- 结果比对与微调：获取改写后的文本，对比原文，确保专业术语准确、逻辑通顺。可根据需要人工进行微调，使语言更符合个人写作风格。
使用前后思路对比示例（理论描述部分）：
AI生成/润色原文（可能高AI率）： “深度学习模型通过多层非线性变换，自动从数据中学习层次化表示，从而在诸多任务上取得了突破性进展。”
经工具处理及个人微调后： “本研究采用的深度学习框架，其核心在于利用多层网络结构对输入数据进行逐级的非线性特征变换与提取。这种数据驱动的表征学习机制，使其在适应复杂任务模式时展现出显著优势，这也是其在相关领域获得成功的关键原因之一。”
（注：工具通过改变句式结构、替换同义词、增加研究主体视角和个人化论述，有效降低了文本的机器生成特征。）
重要提示：任何降重工具都是辅助。最终论文必须体现你的核心工作、真实数据和独立思考。工具旨在帮助优化表达，避免因使用AI辅助而被误判，绝不能替代本人的研究与撰写工作。
四、规范化引用与说明
对于必须使用的公开算法代码或第三方库代码，规范的引用是避免抄袭指控的唯一正确方式。
- 明确标注：在代码注释和论文正文中清晰说明引用的来源（作者、项目名、版本、URL）。
- 说明修改点：如果对引用代码进行了修改以适应你的工作，需详细说明修改了哪些部分以及原因。
- 遵守许可协议：确保对引用的开源代码遵守其许可证（如GPL, MIT）的规定。
五、查重前自我检查清单
- 核心算法代码是否由自己实现或进行了彻底的重构？
- 代码结构（函数划分、类设计）是否具有个人项目的特色？
- 所有非原创代码是否都已正确、清晰地引用？
- 论文中的理论描述、实验分析等文本部分，语言是否已个人化，避免了明显的AI生成或简单复述痕迹？（可考虑使用专业工具辅助检测和优化）
- 是否用权威查重系统的“代码库”和“源代码”检测功能做过预查？（如适用）