Dec, 2014

基于向量空间模型的电子文本抄袭检测（ICIAfS14）

PDF
TL;DR本文介绍了一种对比向量空间模型中的单个字、双个字、三个字的余弦相似度测量，用于适当的抄袭检测，其增加了对数据集中不经常存在的术语的权重，使用三字技术的余弦相似度测量比其他方法更可取。这种新工具可以用作评估文本类电子作业和减少学生抄袭的有效工具。
plagiarismdetection toolvector space modelcosine similarity measuretrigram
发现论文，激发创造
  • 利用统计和语义分析技术进行图像内容的文本相似度

    本文实现了一个系统，用于检测图像内容（如图表、图形、表格等）的剽窃情况。除了统计算法（如 Jaccard 和 Cosine），引入语义算法（如 LSA、BERT、WordNet）在检测高效准确的剽窃方面表现优秀。

    Aug, 2023

  • 多重抄袭的综述：一项性能比较研究

    本文是关于抄袭检测在自然语言处理中的研究论文，旨在综合评估不同类型抄袭检测算法的准确性和各自优缺点。通过实验发现，基于句子分离、词语分离和同义词的句子对比方法可以提高抄袭检测的准确率。

    Jun, 2022

  • BERT 增强的作业抄袭检测系统检索工具

    基于 GPT-3.5 的抄袭文本数据生成方法和基于 Faiss with BERT 的抄袭识别方法在文本抄袭检测任务中表现优异，并提供用户友好的演示平台。

    Apr, 2024

  • 测量入门编程课程作业中的抄袭率

    本文讨论了在 C++ 编写的初级编程课程作业中检测抄袭的方法，提出了一种利用三种基于标记的相似度方法预测是否存在抄袭的计算相似度框架，还测量了每个特征的重要性，并使用人工生成的数据集的结果与原始数据进行了比较。在原始和合成数据集上，我们实现了 0.955 和 0.971 的 F1 分数。

    Apr, 2022

  • AI 生成之抄袭侦测：从句子到文件级别

    使用自然语言处理技术的对比学习方法，通过多重语义解读对大型语言模型的生成文本进行分析，达到了 94% 的准确率，在学术界检测人工智能生成的文本的抄袭和欺诈具有强大的适应性和可靠性。

    Jun, 2023

  • 基于文本相似度的孟加拉语抄袭检测

    通过 OCR 技术和 Levenshtein Distance 算法，我们构建了一个能够成功检测孟加拉文文本抄袭的网络应用，并利用国家数字图书馆的文献构建了一个文本语料库以提高准确性。

    Mar, 2022

  • 使用单词嵌入进行跨语言抄袭检测

    本文提出使用分布式单词表示（word embeddings）来进行跨语言文本相似度检测，并通过组合不同的方法来验证它们的补充性，最终在非常具有挑战性的语料库上，在块级别下实现了英法相似度检测的总体 F1 得分 89.15％（在句级别下为 88.5％）。

    Feb, 2017

  • 抄袭检测系统综述：以英语、法语和阿拉伯语语言为例

    本文综合比较了使用于阿拉伯语、法语和英语学术和教育场景中的八种抄袭检测系统，评估这些系统对原词抄袭、改写抄袭和跨语言抄袭等三个层次的检测效果及其特点、可用性、技术方面的表现并深入研究了技术类抄袭的形式，同时提供了不同作者提出的抄袭类型和分类的调研。

    Jan, 2022

  • 使用文本引导的多向量模型用于精细化科学文档相似性

    通过匹配文本的精细细节，我们提出了一种新的科学文献相似性模型。我们利用多个论文引用的全文来训练我们的模型，提供了一种新形式的文本监督用于跨论文匹配，具有快速单次匹配和稀疏多次匹配两种方法，提高了在四个数据集上的相似性任务表现。

    Nov, 2021

  • 在 ESL 和 TOEFL 数据集中击败学生和向量余弦的技术

    本文声称，对于在向量空间模型中识别单词相似度最有效的无监督度量之一，即向量余弦来说，它可以被一种完全无监督的度量超越，这种度量评估两个目标单词的最相关语境的交集程度，并根据共享语境在依赖性排名列表中的排名对该交集进行加权。为了证明这一点，我们描述并评估了 APSyn，它是平均准确率的一种变体，独立于采用的参数，其在 ESL 和 TOEFL 测试集上均优于向量余弦和共现。在最佳设置下，APSyn 在 ESL 数据集上达到 0.73 的准确率，在 TOEFL 数据集上达到 0.70 的准确率，因此超越了非英语 US 大学申请人（根据文献报道，其平均为 64.50%）和几种最先进的方法。

    Mar, 2016