论文部分内容阅读
现有的抄袭检测方法大多根据相似度来判定文档间是否存在抄袭．与常见的复制检测不同，在抄袭检测中，占文档很小比例且未加引用的复制文本也将被认定为抄袭．受文档尺寸、复制篇幅和干扰信息的影响，现有方法的检测效果均不理想．针对这种局限性，文中分析了文本语义与指纹排列顺序的关系，提出了语义匹配方法，将指纹向量投影到一个二进制向量，在降低维数的同时保留了指纹的位置信息．在PAN公用语料集上将该方法与Jaccard和Hamming距离法进行了对比测试，发现文中方法的召回率和准确度均更优．