Jan, 2022

抄袭检测系统综述：以英语、法语和阿拉伯语语言为例

PDF
TL;DR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。
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

  • 跨语言抄袭检测方法的深度研究

    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。

    May, 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

  • 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

  • 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

  • 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

  • AI 生成文本检测工具测试

    本研究针对学术环境中使用人工智能生成文本的潜在风险进行研究，发现现有的人工智能生成文本检测工具准确性和可靠性都有问题，并且在检测时存在偏向于将 AI 生成文本归类为人类写作。同时，内容混淆技术也会显著降低检测工具的性能。

    Jun, 2023

  • 多语言环境下的讽刺检测

    本文提出了第一个多语言（法语、英语和阿拉伯语）和跨文化（印欧语系语言与不太文化接近的语言）的讽刺检测系统。我们使用基于特征和基于神经网络的体系结构，采用单语词表示法。我们比较了这些系统与最先进的系统的性能，以确定它们的能力。我们发现，使用多语言词表示或基于文本的特征在不具备讽刺注释数据的语言中分别训练的这些单语言模型可以打开讽刺检测的大门。

    Feb, 2020

  • 改述检测：人类与机器内容

    本文旨在分析大型语言模型如 GPT-4 和 ChatGPT 等的语言生成和改写能力的特点和限制及其对学术诚信的挑战，探讨人工改写和机器改写之间的区别，并对常用的数据集进行综合分析和评估，结果显示自动生成文本的水平仍不及人类普及水平，适合于语义多样性语料的 TF-IDF 方法的效果最好，同时，发现了四个语义多样性和挑战性最高的数据集。

    Mar, 2023