基于語義理解的論文相似度研究.pdf

1、當(dāng)前社會,信息技術(shù)、計(jì)算機(jī)技術(shù)與語言學(xué)(統(tǒng)計(jì)語言學(xué)與語料庫語言學(xué)的興起與發(fā)展)處于一個高速發(fā)展時(shí)期,這為相似度研究打下了堅(jiān)實(shí)的基礎(chǔ)。與此同時(shí),各個高校中也發(fā)生少量的學(xué)術(shù)不端行為,主要表現(xiàn)在抄襲、剽竊、侵吞他人學(xué)術(shù)成果,給整個學(xué)術(shù)界的聲譽(yù)以及高校的學(xué)術(shù)質(zhì)量造成了極壞的影響,因此急需論文檢測系統(tǒng)來提高論文的質(zhì)量,為防止其不端行為的發(fā)生,目前的各種論文檢測系統(tǒng)在高校被廣泛應(yīng)用,在一定程度上遏制了學(xué)術(shù)不端行為的發(fā)生,但是目前的論文檢測系統(tǒng)主要側(cè)

2、重于字面上的重復(fù)度檢測,而對語法結(jié)構(gòu)的調(diào)整、圖像、公式等非結(jié)構(gòu)化的檢測相對欠缺。結(jié)合其檢測系統(tǒng)的不足與相似度研究的現(xiàn)狀,以相似度研究在論文檢測中的應(yīng)用為方向展開研究,希望有助于相似度研究在應(yīng)用方面取得成績。
　　本文先從相似度的概念、相似度計(jì)算的原則、應(yīng)考慮的因素以及具體的相似度算法等方面來分析文本相似度與語義相似度,通過對其算法的分析,考慮到各種算法的優(yōu)缺點(diǎn),最后選擇了以《知網(wǎng)》為基礎(chǔ)的詞語相似度算法,并在原有算法的基礎(chǔ)上對原有

3、算法進(jìn)行了改進(jìn),在詞語相似度的計(jì)算過程中引入了本體相似度算法中的語義密度因子,并且將此算法延伸到句子相似度、段落相似度與論文相似度的計(jì)算;通過詞語相似度、句子相似度、段落相似度與論文相似度四個層次的算法分析,把語義理解應(yīng)用到論文檢測中,根據(jù)其各個層次的計(jì)算給出了在論文檢測中其相對應(yīng)的模塊及流程;最后根據(jù)本文涉及到的相似度算法,通過相應(yīng)的實(shí)驗(yàn)驗(yàn)證了其算法的有效性與實(shí)用性,實(shí)現(xiàn)了其相似度計(jì)算在論文檢測領(lǐng)域的部分應(yīng)用,其主要是指在詞語相似度、