论文部分内容阅读
随着数字图书馆的发展和Internet应用的普及，网络数字资源已经成为人们信息获取的重要来源。同时，网上数字学术资源不断丰富，为广大科研工作者提供了便捷的学术交流机会。网络数字学术资源获取的便利及数字资源本身所具有的简单“复制”“粘贴”功能，为论文抄袭、非法使用和扩散等不道德行为提供便利。数字学术论文文本是网络学术资源的重要组成部分，学术论文的文本复制检测技术有待发展。文本复制检测技术是为了防止数字文本的非法复制和扩散而提出的技术，是保护文本知识产权和提高信息检索效率的重要手段。文档复制检测就是判断一篇给定文本是否抄袭、剽窃或者复制于另外一篇或者多篇文档的内容，剽窃不仅仅意味着原封不动地照搬，还包括对原作的移位变换、同义词替换以及改变说法重述等方式。本文首先综述了文本复制检测技术，分析了现有的文本复制检测系统的系统结构、文本表示方式和文本复制检测算法等关键问题；其次，分析了中文论文的格式和内容的特点，提出结构和内容相结合的中文论文文本表示方法，即以树形结构表示文本结构和以VSM表示文本内容的加权树形结构；再次，提出基于加权树形结构的中文论文文本复制检测的系统模型，分析了check系统的不足，改进了树形结构文本表示。根据新的论文的相似度定义，改进了现有的复制检测算法，提出新的完全抄袭的检测方法。最后，通过实验验证了系统的有效性。