科技論文原創(chuàng)性檢查軟件設(shè)計(jì)與實(shí)現(xiàn).pdf

1、學(xué)術(shù)抄襲、學(xué)術(shù)腐敗問(wèn)題，是當(dāng)今中國(guó)學(xué)術(shù)界學(xué)術(shù)腐敗的痼疾之一，它已經(jīng)成為學(xué)術(shù)界共同面臨的嚴(yán)重問(wèn)題。如何遏制學(xué)術(shù)界抄襲剽竊、學(xué)術(shù)腐敗問(wèn)題已經(jīng)成為擺在學(xué)術(shù)界面前的一個(gè)重大課題。
　　 本文引入信息檢索技術(shù)，通過(guò)對(duì)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(cè)系統(tǒng)總體結(jié)構(gòu)首先對(duì)待檢測(cè)的論文進(jìn)行信息采集；然后對(duì)信息進(jìn)行加工，主要采用論文原創(chuàng)性檢索系統(tǒng)及索引策略對(duì)采集的數(shù)據(jù)編排索引；最后對(duì)原文照抄或者略帶改

2、換字句的抄襲現(xiàn)象，通過(guò)規(guī)定具體字?jǐn)?shù)進(jìn)行識(shí)別。
　　 2.預(yù)處理
　　 預(yù)處理主要針對(duì)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(kù)等軟件讀取這一技術(shù)問(wèn)題，進(jìn)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(duì)常用的幾個(gè)檢索系統(tǒng)進(jìn)行了比較分析，并且在不同大小的數(shù)據(jù)集合上進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)表明，無(wú)論從性能還是時(shí)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(jì)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(chǔ)，具有良好的數(shù)學(xué)理論基礎(chǔ)，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(fù)雜和龐大，分詞速度慢，準(zhǔn)確度也不高。另外，鑒于語(yǔ)言的領(lǐng)域相關(guān)性和隨時(shí)間變化的特性，采用詞語(yǔ)作為文檔屬性的方法和系統(tǒng)需要不斷修正和擴(kuò)充詞典，并改進(jìn)分詞技術(shù)，