文檔復(fù)制檢測(cè)的應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和數(shù)字圖書館的飛速發(fā)展，網(wǎng)絡(luò)數(shù)字資源已經(jīng)成為人們獲取信息的重要來源。這些信息為廣大的科研工作者提供了方便的學(xué)術(shù)交流機(jī)會(huì)，然而同時(shí)也為文本復(fù)制﹑論文抄襲等不道德行為提供了便利。文本復(fù)制檢測(cè)技術(shù)就是為了防止數(shù)字文本的非法復(fù)制和傳播而提出的技術(shù)，是保護(hù)知識(shí)產(chǎn)權(quán)和提高信息檢索效率的重要手段。文本復(fù)制檢測(cè)，就是判斷一個(gè)文件的內(nèi)容是否抄襲、剽竊或者復(fù)制于另外一個(gè)或者多個(gè)文件。剽竊不僅僅意味著原封不動(dòng)地照搬，還包括對(duì)原文的同義詞替換、移

2、位變換以及改變說法重述等方式。文本復(fù)制檢測(cè)包括源程序復(fù)制檢測(cè)和自然語言復(fù)制檢測(cè)兩大類。
　　 源程序或者文檔的復(fù)制檢測(cè)首先需要提取程序段或者文檔的特征值，即能夠代表該程序或者文檔的內(nèi)容的基本語言單位。然后對(duì)待比較程序或者文檔的特征值進(jìn)行比較，根據(jù)比較結(jié)果判斷程序間或者文檔之間的相似程度，即計(jì)算相似度。根據(jù)相似度的結(jié)果，從而判斷是否剽竊。
　　 本文首先綜述了文本復(fù)制檢測(cè)系統(tǒng)的研究背景﹑基本概念﹑研究現(xiàn)狀及科學(xué)意義。接著分

3、析了現(xiàn)有的復(fù)制檢測(cè)系統(tǒng)的系統(tǒng)結(jié)構(gòu)﹑文本表示方式等關(guān)鍵性問題，并探討了構(gòu)建該系統(tǒng)所需要的相關(guān)技術(shù)。
　　 其次，本文設(shè)計(jì)了程序與文檔復(fù)制檢測(cè)系統(tǒng)的體系結(jié)構(gòu)，構(gòu)建了一個(gè)基于B/S多層結(jié)構(gòu)的、以ASP.NET技術(shù)和SQL SERVER2005后臺(tái)數(shù)據(jù)庫為基礎(chǔ)的系統(tǒng)，在實(shí)現(xiàn)方法上，采用ASP.NET的ADO.NET組件實(shí)現(xiàn)網(wǎng)頁與數(shù)據(jù)庫之間的連接，采用字段的匹配實(shí)現(xiàn)登陸功能，基于字符串匹配的方法實(shí)現(xiàn)對(duì)上傳文檔的檢測(cè)。
　　 再次，