学 姓 专 导 学 号： Q Z 鱼Z Q 名： 奎嫂嫂 业：量剑理途皇蕉剑王程 师： 王挞熬援 院： 让篡扭堂院 2 0 0 9 年1 2 月3 0 日 独创性( 或创新性) 声明 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不 包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名：缬 日期：鲨! 里：乡 关于论文使用授权的说明 本人完全了解北京邮电大学有关保留和使用学位论文的规定，即：研究生在 校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国 家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅；学校 可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段 保存、汇编学位论文。 本学位论文属于保密论文，在一年解密后适用本授权书。 本学位论文不属于保密范围，适用本授权书。 本人签名：垄鳌壁 日期：丝! 里：墨：! 笸 导师签名：邋 日期： 趁么旦。2 ：z 么 l 北京邮电大学硕： ：学位论文摹于语义结构的学术论文复制检测技术研究与实现 基于语义结构的学术论文复制检测技术研究与实现 摘要 随着互联网、数字图书馆和数字化分布式媒体的发展，海量信息 以各种形态充斥着我们的日常生活。丰富的数字化资源给人们提供便 利的同时，也给复制抄袭行为提供了滋生的温床。尤其是近几年来， 学术造假、论文剽窃等一系列学术不端事件屡见不鲜。为此，通过设 计并实现有效的抄袭检测系统，从技术层面上防止学术抄袭、抵制学 术造假具有重要的理论意义和使用价值。 基于文本的复制检测技术是保护文本知识产权和提高信息检索 效率的最重要手段，而基于语义的论文复制检测识别则是复制检测的 核心和重点。 在对复制检测技术的基本原理和现有复制检测系统的系统结构 与特点进行分析和综合的基础上，研究并提出了一种基于语义的多层 次多策略的复制检测算法以提高复制检测的准确率和效率。具体主要 研究工作和成果如下： 通过分析中文论文抄袭的现实情况，将论文抄袭划分为一稿多投 和普通抄袭两种分类结构。并针对这两种抄袭分别采用不同的识别算 法，一稿多投使用基于数字指纹的识别方法，普通抄袭使用词频统计 的识别方法，提高了检测效率和精度。 根据学术论文的特点以及算法设计的考虑，提出了将论文结构 化、分层提取特征项综合考虑的思想，将学术论文结构分为否决层、 判断层和识别层。在这三个层次中，每一层在识别流程中功能各异， 依次递推、层层推理以提高识别精度。 在文本预处理过程中，针对中文文本自然语言处理的特点，建立 同义词词表知识库，对文本内容进行“重构 ，以实现同义词替换， 从语义层面检测基于“替换同义词”的抄袭现象。 在普通抄袭复制检测识别的实现过程中，采用了多层次多策略的 思想，根据识别层中的特征项在论文中的不同位置以及对相似度判断 的贡献大小，分别设置不同的权值，从而提高了相似度计算的精确度。 R E S E A R C H A N DI M P L E M E N TO FT H EC O P Y D E T E C T I O NS Y S T E MF O RA C A D E M I C P A P E R S B A S E DO NS E M A N T I CS T R U C T U R E A B S T R A C T W i t ht h ep o p u l a r i z a t i o na n dr a p i dd e v e l o p m e n to ft h eI n t e r n e t ，d i g i t a l l i b r a r ya n dd i g i t a ld i s t r i b u t e dm e d i a ，t h ef l o o do fi n f o r m a t i o n r e s o u r c e s l i l l e dw i t ho u rd a i l yl i v e sw i t hav a r i e t yo ff o r m s Aw e a l t ho fd i g i t a l r e s o u r c e sp r o v i d e sp e o p l ew i t hc o n v e n i e n t ，w h i l em a yf o r m ac o p y p l a g i a r i s mb r e e d i n gg r o u n d I nr e c e n ty e a r s ，t h e a c a d e m i cm i s c o n d u c t l i k ef a k ea c a d e m i c sa n dp l a g i a r i s ma r ef r e q u e n t l yr e p o r t e d T h e r e f o r e ，t h e r e s e a r c ho nt h ep r e v e n t i o n o fa c a d e m i cp l a g i a r i s m ，a c a d e m i cf r a u d r e s i s t a n c eb a s e do nt h et e c h n i q u eo fa ne f f e c t i v ep l a g i a r i s md e t e c t i o n s y s t e mh a si m p o r t a n tt h e o r e t i c a ls i g n i f i c a n c ea n dp r a c t i c a lv a l u e s T h et e c h n o l o g yo fc o p yd e t e c t i o nb a s e do nt e x tf o r m sl Sa ni m p o r t a n t m e a s u r ei nb o t h i n t e l l e c t u a l p r o p e r t yp r o t e c t i o n a n d t m p r o v m g i n f o r m a t i o nr e t r i e v a le f f i c i e n c y A l s o ，t h ec o p yd e t e c t i o ns y s t e m f o r a c a d e m i cp a p e r sb a s e do ns e m a n t i ci s ac o r ea n de m p h a s i so fc o p y d e t e c t i o n T h eb a s i ct h e o r i e so ft h et e c h n o l o g yo fc o p y d e t e c t i o na n dt h e a n a l y s i so ft h ef u n c t i o n sa n dc h a r a c t e r i s t i c s o fc u r r e n tc o p yd e t e c t i o n s y s t e m sa r e i n t r o d u c e df i r s t l y A na l g o r i t h mf o rc o p yd e t e c t i o n o f m u l t i 1 e v e la n dm u l t i s t r a t e g yb a s e do ns e m a n t i ci sp r o p o s e dt oi m p r o v e d e t e c t i o n e f f i c i e n c y a n da c c u r a c y T h em a i n r e s e a r c hw o r ka n d a c h i e v e m e n t sc a nb el i s t e da sf o l l o w s ： T h r o u g ha n g l i c i z i n gc u r r e n ts i t u a t i o no fa c a d e m i cp l a g i a r i s mi n o u r s y n o n y mr e p l a c e m e n t ，w h i c h d e t e c t st h ep l a g i a r i s mp h e n o m e n o no f s y n o n y mr e p l a c e m e n tb a s e do nt h es e m a n t i c so fac e r t a i nl e v e l I nt h e c o p y d e t e c t i o np r o c e s so fn o r m a lc o p y , m u l t i l e v e la n d m u l t i s t r a t e g y i d e a sa t e p r o p o s e d T h ec h a r a c t e r i s t i c i t e m st h a ta r e d e f i n e di nt h ei d e n t i f i c a t i o n1 e v e la r er e a l l yi n v o l v e di nt h es i m i l a r i t y c a l c u l a t i o n A c c o r d i n gt ot h ed i f f e r e n tl o c a t i o n si nt h ep a p e ra sw e l la s t h ec o n t r i b u t i o no fs i m i l a r i t yd e t e r m i n eo ft h ec h a r a c t e r i s t i ci t e m s ，w es e t d i f f e r e n tw e i g h t sf o rd i f f e r e n ti t e m sr e s p e c t i v e l y , a n dt h u si m p r o v et h e a c c u r a c yo fc a l c u l a t i n gt h es i m i l a r i t y I na d d i t i o n ，t a k i n gi n t oa c c o u n tt h e t e c h n i c a ls p e c i f i c a t i o n so fd i f f e ：r e n tr e s e a r c ha r e a sd i f f e r , w ed on o tu s e s i n g l es e ti nt h et h r e s h o l ds t r a t e g y , b u tb a s e do nt h ep a p e r so fd i f f e r e n t s u b j e c t sc l a s s i f i c a t i o nd y n a m i c a