基于語義結(jié)構(gòu)的學(xué)術(shù)論文復(fù)制檢測(cè)技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)、數(shù)字圖書館和數(shù)字化分布式媒體的發(fā)展，海量信息以各種形態(tài)充斥著我們的日常生活。豐富的數(shù)字化資源給人們提供便利的同時(shí)，也給復(fù)制抄襲行為提供了滋生的溫床。尤其是近幾年來，學(xué)術(shù)造假、論文剽竊等一系列學(xué)術(shù)不端事件屢見不鮮。為此，通過設(shè)計(jì)并實(shí)現(xiàn)有效的抄襲檢測(cè)系統(tǒng)，從技術(shù)層面上防止學(xué)術(shù)抄襲、抵制學(xué)術(shù)造假具有重要的理論意義和使用價(jià)值。
　　 基于文本的復(fù)制檢測(cè)技術(shù)是保護(hù)文本知識(shí)產(chǎn)權(quán)和提高信息檢索效率的最重要手段，而基于語義的論文復(fù)制

2、檢測(cè)識(shí)別則是復(fù)制檢測(cè)的核心和重點(diǎn)。
　　 在對(duì)復(fù)制檢測(cè)技術(shù)的基本原理和現(xiàn)有復(fù)制檢測(cè)系統(tǒng)的系統(tǒng)結(jié)構(gòu)與特點(diǎn)進(jìn)行分析和綜合的基礎(chǔ)上，研究并提出了一種基于語義的多層次多策略的復(fù)制檢測(cè)算法以提高復(fù)制檢測(cè)的準(zhǔn)確率和效率。具體主要研究工作和成果如下：
　　 通過分析中文論文抄襲的現(xiàn)實(shí)情況，將論文抄襲劃分為一稿多投和普通抄襲兩種分類結(jié)構(gòu)。并針對(duì)這兩種抄襲分別采用不同的識(shí)別算法，一稿多投使用基于數(shù)字指紋的識(shí)別方法，普通抄襲使用詞頻統(tǒng)計(jì)的識(shí)

3、別方法，提高了檢測(cè)效率和精度。
　　 根據(jù)學(xué)術(shù)論文的特點(diǎn)以及算法設(shè)計(jì)的考慮，提出了將論文結(jié)構(gòu)化、分層提取特征項(xiàng)綜合考慮的思想，將學(xué)術(shù)論文結(jié)構(gòu)分為否決層、判斷層和識(shí)別層。在這三個(gè)層次中，每一層在識(shí)別流程中功能各異，依次遞推、層層推理以提高識(shí)別精度。
　　 在文本預(yù)處理過程中，針對(duì)中文文本自然語言處理的特點(diǎn)，建立同義詞詞表知識(shí)庫，對(duì)文本內(nèi)容進(jìn)行“重構(gòu)”，以實(shí)現(xiàn)同義詞替換，從語義層面檢測(cè)基于“替換同義詞”的抄襲現(xiàn)象。