查重的编程程序叫什么软件

查重的编程程序称为“查重软件”或“文本查重软件”。

查重的编程程序通常被称为"反抄袭软件"或"查重软件"。这些软件可以帮助用户检测文本、代码或其他作品的原创性，并比对已有的文献、网络资源以及其他用户提交的作品，以确定是否存在重复、抄袭或引用问题。以下是一些常见的反抄袭软件：

1. Turnitin：Turnitin是一款广泛使用的反抄袭软件，主要用于学术界和教育领域。它可以比对学生提交的论文和作业与其数据库中的文献、期刊文章、互联网资源等，以评估原创性和引用准确性。

2. Grammarly：Grammarly是一款拥有强大语法和拼写检查功能的在线写作工具，同时也具备反抄袭功能。它可以扫描文本并检测重复的内容，提供引用建议和建议修改，以帮助用户改善写作质量。

3. Copyscape：Copyscape是一款专门用于检测网页内容的反抄袭工具。它可以搜索互联网上与指定网页相似或重复的内容，并提供详细的报告。

4. Plagscan：Plagscan是一款针对学术和商业写作的反抄袭软件。它可以比对文本与全球各个来源的数据库，包括互联网、学术期刊和出版物，以检测重复和抄袭问题。

5. Viper：Viper是一款免费的反抄袭软件，可以扫描文本、论文、作业和其他作品，并与其数据库中的文献进行比对，以检测重复内容和抄袭问题。

这些软件都具有不同的特点和使用方式，用户可以根据自己的需求选择适合自己的反抄袭软件。

查重的编程程序通常被称为"文本相似度比较软件"或"文本查重软件"。这些软件通过比较两个或多个文本之间的相似度来判断它们之间的重复程度。在编程领域，常用的文本查重软件包括：Turnitin、iThenticate、SimCheck、Plagiarism Checker等。

下面我将介绍一种常见的文本查重算法——余弦相似度算法，并提供一个简单的编程示例来实现文本查重功能。

余弦相似度算法

余弦相似度算法是一种常用的文本相似度比较算法。它通过计算两个向量之间的夹角来衡量它们之间的相似度。在文本查重中，可以将每个文本看作一个向量，向量的每个维度表示一个特定的词语或短语在文本中的出现频率。然后通过计算这两个向量的余弦值来判断它们之间的相似度。

实现文本查重的示例代码

下面是一个使用Python实现的简单文本查重程序，它使用余弦相似度算法来比较两个文本之间的相似度。

import re
import math
from collections import Counter

def get_cosine(vec1, vec2):
    intersection = set(vec1.keys()) & set(vec2.keys())
    numerator = sum([vec1[x] * vec2[x] for x in intersection])

    sum1 = sum([vec1[x] ** 2 for x in vec1.keys()])
    sum2 = sum([vec2[x] ** 2 for x in vec2.keys()])
    denominator = math.sqrt(sum1) * math.sqrt(sum2)

    if not denominator:
        return 0.0
    else:
        return float(numerator) / denominator

def text_to_vector(text):
    words = re.compile(r'\w+').findall(text)
    return Counter(words)

def check_similarity(text1, text2):
    vector1 = text_to_vector(text1.lower())
    vector2 = text_to_vector(text2.lower())

    cosine = get_cosine(vector1, vector2)
    similarity = cosine * 100
    return similarity

if __name__ == "__main__":
    text1 = "This is the first text."
    text2 = "This is the second text."
    similarity = check_similarity(text1, text2)
    print("The similarity between the two texts is: %.2f%%" % similarity)

在上面的示例代码中，首先定义了一个get_cosine函数，用于计算两个向量之间的余弦相似度。然后定义了一个text_to_vector函数，用于将文本转换为向量，其中使用正则表达式提取文本中的词语，并使用Counter来统计每个词语的出现频率。最后，定义了一个check_similarity函数，用于比较两个文本之间的相似度。

在if __name__ == "__main__":语句块中，我们提供了两个示例文本，并调用check_similarity函数来计算它们之间的相似度。程序将输出两个文本之间的相似度百分比。

这只是一个简单的示例，实际的文本查重软件通常会使用更复杂的算法和技术来提高准确性和效率。