学术文献抄袭检测研究进展.PDF

第５７卷 第８期　２０１３年４月 学术文献抄袭检测研究进展 ■ 王晓笛　王效岳　白如江 ［摘　要］指出近年来，学术抄袭事件时有发生，科研诚信引起全社会的广泛关注。随着信息技术的发展， 对于学术抄袭的的检验问题已不再停留在传统的“防止复制”阶段。总结整理目前国内外主要抄袭检验的研究 内容和研究方法，重点对基于统计的方法和基于数字指纹的方法进行总结，归纳目前抄袭检验技术应用的主要 数学算法和各自特点。通过对国内外研究成果的梳理，指出抄袭检验技术存在的不足及未来发展趋势和应用 领域。 ［关键词］学术抄袭　抄袭检验　信息检索 ［分类号］Ｇ３５０ ［６］ １　引　言 数法的识别方法。Ｎ．Ｂｕｌｕｔ 的统计结果证实了该方 法的可行性。然而，这些属性都无法体现局部特征，因 　　近年来，学术抄袭事件频出，国家相关部门也开始 此对于部分抄袭该方法无法检测，这也是属性计数法 高度重视学术抄袭问题。２００７年１月１６日，中国科协 的局限性。 发布《科技工作者科学道德规范（试行）》，提到“旗帜 　　与之相对，自然语言的抄袭形式多样，往往伴随着 鲜明地抵制败坏学术风气的行为。摒弃心浮气躁、急 语序的调整、同义词的替换、标点符号的更改等。直到 功近利的学风，坚决反对投机取巧、弄虚作假和抄袭剽 １９９１年，才出现了 自然语言文本抄袭识别软件 窃等丑恶行为”。２０１１年９月，中国科协、教育部联合 ［７］ ＷｏｒｄＣｈｅｃｋ ，该软件由Ｒｉｃｈａｒｄ采用关键词匹配算法 下发《关于开展科学道德和学风建设宣讲教育活动的 开发，开启了自然语言文本抄袭识别的序幕，本文讨论 通知》。为杜绝学术抄袭行为，营造一个良好的学术环 的学术抄袭检测即属于自然语言抄袭检测。 境，学术文献抄袭检测成为研究热点。当前的抄袭检 测技术主要从两个方面解决此问题：一是“防止复制 ２　抄袭检测 （ｃｏｐｙｐｒｅｖｅｎｔｉｏｎ）”；二是“复制检测（ｃｏｐｙｄｅｔｅｃｔｉｏｎ）”。 ２．１　学术文献抄袭定义 “防止复制”不考虑检测问题，包括信息物理隔离法、 ［８］ ［９］ 　　按照Ｎ．Ｈｅｉｎｔｚｅ 和吴育娇等 的观点，常见的抄 文件授权保护法［１］ ［２］ 、文件封装法 等。随着网络的发 袭现象包括： 完全抄袭文献； 经过细微修改的文 ① ② ［３］ 展，这些方法目前已逐渐失去了优势 ，本文主要讨论 献； 经过重新组织结构的文献； 经过校订的新版本 ③ ④ “复制检测法”。 文献； 某文献的扩展版本文献； 包含其他文献中部 ⑤ ⑥ 　　复制检测是针对数字文档的检测，主要分为自然 分内容的文献，部分内容被修改。除此之外，若两篇文 语言文本（如小说、论文）和形式语言文本（如数据文 献的主题和内容类似，则这两篇文献的