反抄袭系统设计与实现.docVIP

反抄袭系统设计与实现 　　摘要：在基于“OCR”形成的word下，全文匹配搜索技术与数据库的连接与校对鉴定技术，抄袭鉴定技术的嵌入是系统的核心, 用来对现有文件进行数据库的索引及判定, 负责与外部文件进行实时数据交换。在全文检索技术的基础上嵌入校对鉴定技术与抄袭鉴定技术。本文着重介绍反抄袭系统（又称UN-COPY）各部件的技术原理与实现。 　　关键词：反抄袭；COPY；“OCR”；搜索；数据库 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2007)12-21615-02 　　 　　The Design of the Anti-Copy System and Realization 　　 　　LUO Guo-hui 　　(Electronics Information College,Yangtze University,Jingzhou 434023,China) 　　Abstract:Based on the OCR to form the word, by matching search technology and database connectivity and synchronization identification technology, Plagiarism identification technology embedded system is the core to the existing document database indexing and convicting, external documents with the real-time data exchange. This paper introduces the anti-copying system (ANTI- COPY) of the various components of the technical principles and implementation. 　　Key words:Anti-plagiarism;copy,ocr;search;database 　　 　　1 前言 　　 　　“Un-copy”是一种能鉴别文章是否为抄袭的智能系统。将手写的文字或印刷的文字通过扫描输入计算机,然后应用“OCR”技术将扫描得到的图像转换成WORD文档，再利用全文搜索技术在数据库中进行校对，匹配，鉴定。然后根据不同的鉴定标准给出相应的判断。它将从一种行之有效的途径阻止当今社会上愈演愈烈的抄袭之风,从客观上解决我国严重的知识侵权问题。不仅仅是电子版的鉴定，而且在“OCR”的基础上实现了文本式抄袭的鉴定。它必将成为今后考试批改过程中一个不可缺少的工具。对保护知识产权有着重大的意义。 　　 　　2 系统实现 　　 　　2.1 实现模式 　　 　　2.2技术介绍 　　2.2.1“OCR”技术 　　Optical Character Recognition，即是通过光学技术对文字进行识别, 是自动识别技术研究和应用领域中的一个重要方面。它是一种能够将文字自动识别录入到电脑中的软件技术，是与扫描仪配套的主要软件，属于非键盘输入范畴，需要的图像输入设备主要是扫描仪。 　　“OCR”的基本原理就是通过扫描仪将一份文稿的图像输入给计算机，然后由计算机取出每个文字的图像，并将其转换成汉字或字母的编码。其具体工作过程是，扫描仪将汉字或字母文稿通过电荷耦合器件“CCD”将文稿的光信号转换为电信号，经过模拟/数字转换器转化为数字信号传输给计算机。计算机接受的是文稿的数字图像，其图像上的汉字或字母可能是印刷汉字或字母，也可能是手写汉字或字母，然后对这些图像中的汉字或字母进行识别。对于印刷体字符，首先采用光学的方式将文档资料转换成原始黑白点阵的图像文件，再通过识别软件将图像中的文字转换成文本格式，以便文字处理软件的进一步加工。 　　“OCR”识别有两种方式。与其它信息数据一样，在计算机中所有扫描仪捕捉到的图文信息都是用0、1这两个数字来记录和进行识别的，所有信息都只是以0、1保存的一串串点或样本点。“OCR”识别程序识别页面上的字符信息，主要通过单元模式匹配法和特征提取法两种方式进行字符识别。单元模式匹配识别法(Pattern Matching)是将每一个字符与保存有动态标准字体和字号位图的文件进行不严格的比较。如果在数据库中可以找到与之相匹配的二进制存储形式，则应用程序会选取合适的字符进行正确的匹配。软件还必须使用一些特殊的处理技术，找出最相似的匹配，通常是不断试验同一个字符的不同版本来比较，及“动态”标准的试验。当识别速度达到一定程度则可以认为“OCR”是在全面扫描一页文本，