ACLMay, 2017

跨语言抄袭检测方法的深度研究

PDF
TL;DR本文对跨语言抄袭检测方法进行了深入研究，使用一种新的开放数据集，包含多个特征的平行和可比较的文集，我们针对 6 种语言对 2 种文本单元进行研究，以便在深入分析文档风格和语言之间的相关性的同时，得出最佳方法的稳健结论。
cross-language plagiarism detectionopen datasetdocument styleslanguagestext units
发现论文，激发创造
  • 跨语言抄袭检测的简单有效方法

    本研究提出了一种简单的跨语言抄袭检测方法，不依赖于机器翻译和词义消歧，适用于许多语言，包括资源匮乏的语言，其有效性已证明在几个现有和新的基准中达到了最先进的成果，特别是对于法语、俄语和亚美尼亚语，其依赖于开放式多语言词库和预先训练好的多语言 BERT 语言模型。

    Apr, 2023

  • 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

  • SemEval-2017 任务 1 中的 CompiLIG: 用于语义文本相似性的跨语言抄袭检测方法

    使用基于语法、字典、上下文和机器翻译的多种方法，并采用无监督和有监督的方式组合，我们的最佳运行在 SemEval-2017 的 STS Track4a 中排名第一，与人类注释的相关性达到 83.02%。

    Apr, 2017

  • 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

  • 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

  • PlagBench: 大型语言模型在抄袭生成和检测中的二元性探索

    最近的文献强调了大型语言模型（LLMs）与学术诚信相关的潜在风险，它们可以记忆部分训练实例并在生成的文本中无妥善归属地复制。此外，鉴于它们在生成高质量文本方面的能力，剽窃者可以利用 LLMs 生成与原作无法区分的逼真释义或摘要。为了应对 LLMs 可能在剽窃行为中的恶意使用，我们介绍了 PlagBench，这是一个综合的数据集，由三个针对不同写作领域的三个指导调整的 LLMs 生成的 46.5K 个合成剽窃案例组成。通过对每种类型的剽窃进行细粒度的自动评估和人工注释来确保 PlagBench 的质量。然后，我们利用我们提出的数据集来评估五个现代 LLMs 和三个专门的剽窃检测器的剽窃检测性能。我们的研究结果表明，与 Llama2 和 GPT-4 相比，GPT-3.5 倾向于生成更高质量的释义和摘要。尽管 LLMs 在摘要剽窃识别方面表现较差，但它们可以超过当前的商业剽窃检测器。总体而言，我们的结果突显了 LLMs 作为强大剽窃检测工具的潜力。

    Jun, 2024

  • 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

  • 深度学习下的释义识别：数据集和方法综述

    本文回顾传统和现有的改进的改写识别方法，提出了改写的一种新分类体系。探究了这种类型在流行的数据集中的表现形式以及一些类型改写的不充分表示如何影响改写识别能力，最后提出了更有效地使用 AI 进行改写检测的未来研究方向和数据集。

    Dec, 2022

  • 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