文檔復制檢測方法研究與系統(tǒng)實現(xiàn).pdf

1、目前,隨著互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)絡信息資源日益豐富,人們的信息交流的方式變得日益便利。然而由于文本,圖片,視頻等網(wǎng)絡電子資源便利的復制基礎,從而導致網(wǎng)絡資源過多的冗余,降低了網(wǎng)絡搜索引擎的檢索效率,同時加大了信息抽取的難度。近年來一些高校里也頻繁出現(xiàn)了作業(yè)抄襲,論文抄襲等現(xiàn)象。為了提高網(wǎng)絡信息檢索效率、保護知識產(chǎn)權,以及端正學術風氣,文檔復制檢測技術成為了自然語言處理領域的研究熱點,其研究意義十分重大。
　　本文對文檔復制檢測方面做

2、了詳細研究,在前人研究的基礎上,對基于句子相似度計算的文檔復制檢測方法作了改進,很大程度上提高了文檔復制檢測效率與檢測準確率。
　　首先,本文針對文檔復制檢測的背景、意義、國內外發(fā)展現(xiàn)狀及相關技術作了詳細介紹,并分析了目前常用文本復制檢測算法的優(yōu)缺點。
　　其次,基于傳統(tǒng)的BSP復制檢測算法,提出了基于有序最長公共關鍵詞序列的句子相似度算法及基于關鍵詞距離的句子局部復制檢測算法,同時設計了詞語-句子,句子-文檔的倒排索引結構