- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
>>
第 卷 第 期 2009年3月
﹨ ?
学术论文复制检测的研究进展及新方法
王秀红
江苏大学科技信息研究所 镇江212013
〔摘要〕综述国内外学术论文复制检测的研究现状,针对存在的问题提出以后研究的新思路:构建某一学科领域
学术论文语料库;以信息论为工具,针对某学科领域建立基于学术论文语料库的统计语言模型;结合学术论文抄
袭剽窃的特点,通过赋予描述资源对象语义信息的不同元数据项以不同的权函数,设计相似度算法;使用Lemur
工具箱,在标准的TREC文档集上对模型和算法进行检验;与Turnitin侦探剽窃系统进行实验对比,评价该模型和
算法的有效率和效果。
〔关键词〕学术论文 复制检测 抄袭剽窃检测 统计语言模型 文本相似度算法
〔分类号〕TP391.1
ReviewandNewIdeasonDuplicationDetectionofArticles
WangXiuhong
InstituteofScienceandTechnologyInformation,JiangsuUniversity,Zhenjiang212013
〔Abstract〕Afterreviewingandanalyzingtheproblemsofretrievalmodelsandtextsimilarityalgorithmsofduplicationdetection,the
anthorproposessomenewideasonplagiarismdetectionofarticlestoimprovetherecallandprecision.Theideasincludethefollowings:
buildingarticletrainingcorpusinonespecialty;basedoninformationtheory,buildingstatisticallanguagemodel;computingarticles
similaritybydifferentmetadatawithdifferentauthorizedfunctions;usingLemurtoolboxtotestrecallandprecisionofthemodelandsim
ilarityalgorithm;comparingwithTurnitinplagiarismdetectionsystemtoevaluatetheeffectivenessandefficiencyofthedetectioncompu
tation.
〔Keywords〕articles duplicationdetection plagiarismdetection statisticallanguagemodel textsimilarityalgorithm
自从方舟子的“新语丝”使原本长期存在于学术 论文复制检测判断的准确率,针对学术论文的文档相
界的学术不端暴露出来之后,学术论文抄袭剽窃引起 似度算法的改进和创新研究变得尤为重要。
社会的广泛关注。抄袭剽窃的表现形式多种多样:有
些只是在语言文字的表达形式上做手脚,换成同义词 1 国内外研究现状及存在的问题
或颠倒语句的表达顺序,在文章框架、主要观点和主要
论据上却没有大的变化;有些直接大段地“引用”别人 1.1 国外研究现状
的内容;有些综合运用多种手段,将多篇别人的文章拼 国外具有代表性的文档相似度算法主要有以下几
种: Manber提出一个sif工具,其“近似指纹”是用基于
凑而成自己的;有些“学术高手”直接拿国外的论文翻 ①
[1]
译成中文发表,等等。抄袭和剽窃“手段”的越来越
文档评论(0)