科技論文原創(chuàng)性檢查軟件設計與實現(xiàn).pdf

1、學術(shù)抄襲、學術(shù)腐敗問題，是當今中國學術(shù)界學術(shù)腐敗的痼疾之一，它已經(jīng)成為學術(shù)界共同面臨的嚴重問題。如何遏制學術(shù)界抄襲剽竊、學術(shù)腐敗問題已經(jīng)成為擺在學術(shù)界面前的一個重大課題。
　　 本文引入信息檢索技術(shù)，通過對已發(fā)表論文文檔集合建立索引。本文主要內(nèi)容包括：
　　 1.論文原創(chuàng)性檢測系統(tǒng)總體結(jié)構(gòu)首先對待檢測的論文進行信息采集；然后對信息進行加工，主要采用論文原創(chuàng)性檢索系統(tǒng)及索引策略對采集的數(shù)據(jù)編排索引；最后對原文照抄或者略帶改

2、換字句的抄襲現(xiàn)象，通過規(guī)定具體字數(shù)進行識別。
　　 2.預處理
　　 預處理主要針對PDF格式文件中的信息不能直接被電子制表軟件或數(shù)據(jù)庫等軟件讀取這一技術(shù)問題，進行“格式轉(zhuǎn)換”，即將PDF文件轉(zhuǎn)換為純文本文件以便檢索系統(tǒng)利用。
　　 3.論文原創(chuàng)性檢索系統(tǒng)的選擇對常用的幾個檢索系統(tǒng)進行了比較分析，并且在不同大小的數(shù)據(jù)集合上進行了實驗，實驗表明，無論從性能還是時效性上，選取Lemur Toolkit作為檢索系統(tǒng)是比

3、較好的。
　　 4.檢索模型的選擇概率模型作為論文相似度快速計算。比較了常用的檢索模型，主要包括布爾模型、向量空間模型和概率模型。概率模型以概率理論為基礎，具有良好的數(shù)學理論基礎，選擇概率模型作為系統(tǒng)模型。
　　 5.基于n元文法的索引單元的建立中文分詞系統(tǒng)一般都比較復雜和龐大，分詞速度慢，準確度也不高。另外，鑒于語言的領域相關(guān)性和隨時間變化的特性，采用詞語作為文檔屬性的方法和系統(tǒng)需要不斷修正和擴充詞典，并改進分詞技術(shù)，