基于文本挖掘技術(shù)的論文抄襲判定研究.pdf_第1頁
已閱讀1頁,還剩57頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、自20世紀(jì)90年代學(xué)術(shù)界提出反對學(xué)術(shù)腐敗以來,被揭露出來的學(xué)術(shù)腐敗事件最多的是學(xué)術(shù)造假,其中又以學(xué)術(shù)著作和論文的抄襲為最。解決論文抄襲的判定問題不但對于保護(hù)知識產(chǎn)權(quán)、提高學(xué)術(shù)論文質(zhì)量、凈化學(xué)術(shù)領(lǐng)域、防止學(xué)術(shù)腐敗都有很重要的意義,而且可以有效的防止一稿多投和減輕審稿人員的工作負(fù)擔(dān)。 文本挖掘是數(shù)據(jù)挖掘研究面向非結(jié)構(gòu)化和半結(jié)構(gòu)化文本數(shù)據(jù)的自然延伸。人們?nèi)粘I詈凸ぷ髦薪佑|到的信息有大多數(shù)都是以文本形式出現(xiàn)的,文本挖掘是從文本或文本集

2、中發(fā)現(xiàn)和挖掘歸納性的有效、創(chuàng)新、有用和最終可理解的模式、模型、趨勢、規(guī)則等知識的非平凡過程。文本挖掘是利用智能算法,并結(jié)合文字處理技術(shù),分析大量的非結(jié)構(gòu)化文本源(如文檔、電子表格、電子郵件、書籍、網(wǎng)頁等)抽取或標(biāo)記關(guān)鍵字概念,文字間的關(guān)系,并按照內(nèi)容對分檔進(jìn)行分類,獲取有用的知識和信息。 如何將文本挖掘中的主要技術(shù)應(yīng)用于論文抄襲判定中,這是本文的主要研究目的。主要研究成果工作如下: (1)依據(jù)論文抄襲界定的法律,分析歸納

3、了論文抄襲的類型和論文抄襲判定的主要技術(shù),包括數(shù)字指紋技術(shù)和詞頻統(tǒng)計技術(shù); (2)探討和研究了文本挖掘中涉及的信息檢索與信息抽取技術(shù)以及文本挖掘的主要方法(關(guān)聯(lián)分析、文本分類、文本聚類、自動文摘等); (3)在分析各種文本相似度計算主要方法的基礎(chǔ)上,設(shè)計和實(shí)現(xiàn)了基于文本分類的文檔相似度計算和基于段落詞頻統(tǒng)計的文檔相似度計算,在實(shí)際測試中,效果較好; (4)結(jié)合全文相似度計算、段落相似度計算和語句相似度計算的技巧,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論