EUVIMEDEUVIMED entdecken
Systematische ÜbersichtOpen Access · CC BY 4.0

Machine Learning Approaches to Code Similarity Measurement: A Systematic Review

Zixian Zhang, Takfarinas Saber

IEEE Access · 2025 · 13 · 51729-51764

DOI: 10.1109/access.2025.3553392 ↗

Kurz gefasst

Systematische Übersicht in der Zeitschrift IEEE Access, 2025. Verfasst von Zixian Zhang und 1 weiteren Autor:innen. Die Arbeit wurde bisher 11-mal zitiert (Crossref) und nennt 202 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Science Foundation Ireland, Lero SFI Centre for Software.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Science Foundation Ireland
  • Lero SFI Centre for Software

Zitieren

APA

Zhang, Z., & Saber, T. (2025). Machine Learning Approaches to Code Similarity Measurement: A Systematic Review. IEEE Access, 13, 51729-51764. https://doi.org/10.1109/access.2025.3553392

Vancouver

Zhang Z, Saber T. Machine Learning Approaches to Code Similarity Measurement: A Systematic Review. IEEE Access. 2025;13:51729-51764. doi:10.1109/access.2025.3553392

BibTeX
@article{Zhang2025,
  author = {Zhang, Zixian and Saber, Takfarinas},
  title = {Machine Learning Approaches to Code Similarity Measurement: A Systematic Review},
  journal = {IEEE Access},
  year = {2025},
  volume = {13},
  pages = {51729--51764},
  doi = {10.1109/access.2025.3553392}
}
Kostenlos starten →