一种基于指纹融合的跨语言剽窃检测方法

摘要

本发明提供的是一种基于指纹融合的跨语言剽窃检测方法。将需要进行剽窃检测的中英文文本集，通过自然语言处理提取其名词序列，利用WordNet的名词树形结构，通过中间指纹编码算法将名词序列编码成中间指纹；然后基于中间指纹，利用语义密度对指纹编码进行语义消歧；通过指纹选取策略提取出能够代表当前片段语义的中英文指纹，运用Dice系数对指纹进行相似度计算，利用计算结果根据阈值选取出潜在剽窃片段；然后按照SinWin算法计算句子之间的相似度，通过阈值选取出剽窃句子，最后通过剽窃片段合并形成最后的剽窃检测结果。本发明在跨语言相似检索阶段跨越了语言的障碍，对于较长的段落来说是合适和高效的。