基于排序的抄袭检测文本匹配方法

摘要

基于排序的抄袭检测文本匹配方法，涉及抄袭检测技术领域。本发明为了实现高模糊抄袭的检测，解决基于启发式方法依赖专家经验、无法融合抄袭检测中各类有效的特征的问题。将抄袭文本的匹配形式化为一个排序任务，给出一个可疑文本片段，该方法应用基于序对的排序学习方法获得源文档中该片段最可能抄袭的片段。本发明引入机器翻译的评价指标METEOR来捕获词汇相似和语义相似。应用PAN2012和PAN 2013的抄袭检测数据集对该方法进行了评价，并与PAN2013、2013和2014评测中获得最好性能的方法进行了比较。在高模糊抄袭和总结抄袭子集上，本发明相对基线方法在评价指标Plagdet上分别提高了22％和43％。本发明方法时间效率也优于基线方法。