一种基于段落词频统计的论文抄袭判定算法.pdfVIP

第 l9卷 第 4期 计 算 机 技 术 与 发 展 VO1．19 NO．4 2009年 4月 (、()MPUTER TECHN()I』)(Y ANT)DEVEI PME．NT Apr． 2009 一 种基于段落词频统计的论文抄袭判定算法 赵俊杰 ，胡学钢 (1．合肥工业大学，安徽 合肥 230009； 2．安徽财经大学，安徽 蚌埠 233061) 摘 要 ：解决论文抄袭的判定问题不但可以减轻审稿人员的工作负担 ，而且对于提高学术论文质量、净化学术领域、防止 学术腐败都有很重要的意义。从抄袭的定义和法律规定出发，在分析 比较国内外主要 的论文抄袭判定方法基础上 ，提出 存在的问题和改进策略，然后给出一种基于段落词频统计的论文抄袭判定算法 。此算法不但可以检测出抄袭者成段抄袭 的情况 ，而且可以检测出段落 中语句顺序改变、段落内容压缩和扩充的情况，若疑似抄袭还可 以将抄袭论文和被抄袭论文 的相似 内容输出，方便用户进一步审查 。 关键词 ：抄袭判定；词频统计 ；段落相似度；中文分词 中图分类号 ：TP301．6 文献标识码：A 文章编号：1673—629x(2o09)04—0231—03 A W aytoJudgePlagiarism inAcademicPapersBasedon W ord。-。FrequencyStatisticsofParagraphs ZHAOJun-jie ，HU Xue-gang (1．HefeiUniversityofTechnology，Hefei230009，China； 2．AnhuiUniversityofFinance Economics，Bengbu233061，China) Abstract：Solutionstojdegingplagiraism intheacademicpaperscannotonlylightenarticleeditors’workload，butalsohavetheimpor— tantsignificanceinimprovingacademicpapers’quality，purlfying academicfieldsnadpreventingacadme iccorruption．Baesdonthedeft— nitionofplagiarism nadthelaw．putforwardstheexistentproblemsna dstrategiesforimprovementbynaalyzing themajnmethodstodeal withplagiarismjudgrnentbothathomenadabroad，nadproduceawaytojudgeplagiarism according toword～frequencystatisticsof paragraphs．ThiswayCallhelpUSnotonlyinspectwhetherplagiaristscopytheinformationparagraphbypraagraph，butfindoutthefol— lowing cases，suchasthechangeintheorderofesntne c~，compressionnadexpansionofthecontent．Alos outputthesimilra contentto makeitconvenientforusers tocheckwhenthepapers resuspectedascopies． Keywords：plagiarismjudgrnent；word—frqeuencystatistics；similraitybetweenpraagraph；Chinesetexts