畢業(yè)論文對比系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf

1、近年來,在學(xué)術(shù)界屢次出現(xiàn)論文抄襲的現(xiàn)象,而且愈演愈烈,引起了全社會的關(guān)注。論文抄襲現(xiàn)象給作者本人及抄襲者造成嚴(yán)重的后果,為了保護(hù)作者的知識產(chǎn)權(quán)、端正學(xué)術(shù)氛圍,所以研究文本復(fù)制檢測技術(shù)很有必要。
　　針對基于字符串匹配算法的文本塊選擇的難題和基于詞頻計算法沒有充分考慮文本的語義和結(jié)構(gòu)信息等問題,本文提出了基于主題樹的自上而下文本復(fù)制檢測算法。首先闡述了文本的主題樹表示方式:根結(jié)點(diǎn)用文本的題日、作者、指導(dǎo)教師、字詞和分類號信息表示;分

2、支結(jié)點(diǎn)用主題包表示,山語義聚類的方法形成主題,再由句子關(guān)系圖方法抽取具有代表性的句子,從而形成主題包;葉結(jié)點(diǎn)用文本的所有句子表示。然后提出自上而下的主題樹相似度計算方法:第一,計算根結(jié)點(diǎn)相似度,即比較兩篇文本的根結(jié)點(diǎn)信息,若根結(jié)點(diǎn)不相似則相似度計算結(jié)束,否則繼續(xù)計算下一層結(jié)點(diǎn)相似度;第二,計算分支結(jié)點(diǎn)相似度,以句子相似度為基礎(chǔ)計算兩篇文本的主題包之間的相似度,若分支結(jié)點(diǎn)總相似度小于閥值則相似度計算結(jié)束,否則繼續(xù)計算下層結(jié)點(diǎn)相似度;第三計

3、算葉結(jié)點(diǎn)相似度,即計算兩篇文本所有句子的相似度,若葉結(jié)點(diǎn)總相似度小于閻值則認(rèn)為兩篇文本不存在抄襲,否則認(rèn)為兩篇文本之問存在抄襲的可能。
　　本文按照上述提出的算法設(shè)計并實(shí)現(xiàn)了文本復(fù)制檢測系統(tǒng),實(shí)驗(yàn)中分別收集了五個不同領(lǐng)域的論文各200篇。然后對每個領(lǐng)域的論文分別進(jìn)行不同級別的復(fù)制,形成論文20篇,并收集了5篇完全無關(guān)的論文,將這25篇文章作為驗(yàn)證系統(tǒng)有效性的待檢測論文。為了驗(yàn)證本文提出的新的論文對比檢測算法的有效性,利用本文中提出