C语言试题库是学校C语言考试系统的基础。由于常年的使用以及原系统缺乏重复试题检查功能,在试题库的不断扩充下题库里难免存在大量重复试题,这样就导致了试卷质量和考试效果的下降。所以,如何快速准确地找到题库中存在的重复试题是本课题要解决的问题。在国内,就C语言试题库查重而言相关方面的研究并不是很多,可参考的论文有限,但是重复试题的识别可以归类于相似语句的计算,属于自然语言处理的研究范畴。本文在借鉴了国内外自然语言处理方面大量研究成果的基础上,从分词处理、词语相似度计算以及语句相似度计算等三个方面入手对查重问题进行研究。在分词处理方面,本文选择了实用性和可靠性都很高的ICTCLAS分词工具。因为有Java版本而且源码公开,所以易于通过分析源码而得知词典结构,从而对原词典和词性进行扩充。在词语相似度计算方面,本文在研究了同义词词林、知网和领域本体等知识体系的基础上,构建了C语言领域本体知识库,并选择它和知网作分别为专业词汇和普通词汇的相似度计算依据。在国内,就句子相似度计算而言,根据词义、词序和句法结构的特点已有很多不同的计算方法。本课题根据C语言相似试题本身词汇变动少、词序固定的特点选择了基于编辑距离的句子相似度算法。总之,本文利用ICTCLAS进行分词和词性的有效标注；利用构建的C语言领域本体计算领域词汇相似度；利用编辑距离算法计算句子相似度。并且在编辑距离算法中根据词语词性的不同操作代价相应不同。实验表明本课题的方法对重复试题的识别有较高的准确度,初步达到了题库查重的目标。