摘要：針對近年來社會上出現(xiàn)的一些專業(yè)論文的抄襲現(xiàn)象，設(shè)計并實現(xiàn)一種高效的論文相似匹配算法，以有效地幫助審查人員對專業(yè)論文進(jìn)行核查，從而盡可能減少或避免在專業(yè)論文領(lǐng)域中的抄襲現(xiàn)象。

關(guān)鍵詞：論文 相似度 匹配 算法

1 概述

近年來，隨著網(wǎng)絡(luò)技術(shù)的發(fā)展與普及，人們通過互聯(lián)網(wǎng)獲得信息更加便捷。而很多專業(yè)性的論文也能夠在互聯(lián)網(wǎng)上進(jìn)行檢索。在校學(xué)生或社會上的一些工作人員在發(fā)表專業(yè)論文時，往往通過互聯(lián)網(wǎng)查閱相關(guān)資料，但有些人為了能夠盡快發(fā)表論文直接抄襲或剽竊他人論文。各高校每年有大量的畢業(yè)生需要寫畢業(yè)論文，而社會上每年也會有大量的論文在公開期刊雜志上進(jìn)行發(fā)表。如此多的論文如何檢測其是否含有抄襲或剽竊現(xiàn)象呢？單單依靠人們對每一篇論文進(jìn)行審查肯定是行不通的，這就要借助于現(xiàn)代化的手段以提高相應(yīng)的審查效率。

設(shè)計和開發(fā)一種好的論文相似度算法可將待發(fā)表的論文與已有論文進(jìn)行智能比對檢查，若發(fā)現(xiàn)雷同現(xiàn)象可及時通知發(fā)表人員做進(jìn)一步修改。從而減少甚至避免在社會上出現(xiàn)的專業(yè)論文抄襲現(xiàn)象。

2 算法設(shè)計

因為每年會產(chǎn)生大量的論文，因而已有論文的數(shù)量非常巨大，這就要求比對算法要盡可能的簡單，從而達(dá)到較高的執(zhí)行效率。

首先對已有論文進(jìn)行分類整理，以建立已有論文庫。對已有論文按照發(fā)表年份、專業(yè)類別、出版社進(jìn)行分類收集和存儲。然后將論文庫中的論文與待發(fā)表論文進(jìn)行逐一比對審查。

待發(fā)表論文與已有論文進(jìn)行匹配時，具體算法步驟如下：

2.1 待審查論文文檔預(yù)處理

首先提取待審查論文的文本內(nèi)容，將其進(jìn)行段落劃分。段落劃分時，要將相鄰較小的段落合并為一個較大的段落；過大的段落也要分解為多個較小的段落。如規(guī)定有效段落中句子的數(shù)量應(yīng)大于5并小于60，那么論文中如果有兩個相鄰的段，其中一段僅有4個句子，則該段應(yīng)與另一段進(jìn)行合并，從而合并為一個有效段落；但如果論文中有一個段包含了70個句子，則該段應(yīng)分解為兩個有效段落：其中一個有效段落包含30個句子，另一個有效段落包含40個句子。段落劃分后，對有效段落進(jìn)行逐個順序編號。

2.2 有效段落匹配

將待審查論文中劃分好的有效段落與另一篇論文進(jìn)行一次匹配。匹配時按先后順序讀取有效段落中的句子，從句子中隨機(jī)抽取一定數(shù)量的連續(xù)字符，將其與另一篇論文進(jìn)行完全字符串匹配，如果完全相同則記錄該句，然后繼續(xù)讀取下一句，同樣隨機(jī)抽取相同數(shù)量的字符串與另一篇論文進(jìn)行完全字符串匹配，并記錄匹配結(jié)果。依次進(jìn)行，直至段落結(jié)束，統(tǒng)計該段落中記錄下來句子的數(shù)量，將其除以段落總的句子數(shù)量，得出該段落的匹配相似度。

2.3 論文相似度計算

段落匹配結(jié)束后，選出段落相似度最大的兩個段落，將這兩個段落中記錄下來句子的數(shù)量，除以這兩個段落總的句子的數(shù)量，視為該論文的相似度。如果該相似度值較大，則可視為論文中的段落有一定的抄襲現(xiàn)象。需相關(guān)人員做進(jìn)一步審查核實。

3 算法實現(xiàn)

算法采用面向?qū)ο蟮乃枷?，將具體的算法過程與功能封裝在相應(yīng)的類中。主要的類有：

Paper類：表示論文，含有年份、專業(yè)類別、出版社、作者名稱，文檔內(nèi)容等屬性。

PagerList類：用來實現(xiàn)論文的分類整理，含

有add（Pager p）和remove（Pager p）方法可在不同類別中添加或移除論文。

Paragraph類：用于論文段落的劃分，其中ListdivideToParagraph（Paper p）方法負(fù)責(zé)將論文劃分成有效段落，各個段落保存在一個字符串列表中。

CheckPager類：用于論文的相似度比較，其中的float check（Paper p1，Paper p2）方法負(fù)責(zé)將兩篇論文進(jìn)行匹配，匹配結(jié)束后返回相似度值。

其具體實現(xiàn)的流程如上圖所示：

4 總結(jié)

由于每年會有大量的論文得以公開發(fā)表，因此已有論文的數(shù)量逐年增多，因此在算法設(shè)計時應(yīng)著重考慮系統(tǒng)的審查匹配效率。該算法在論文匹配時主要以有效句為單位進(jìn)行字符串的完全匹配比較，雖然精度上不是很高但可滿足對大量論文進(jìn)行快速匹配的效率要求，以提供一種簡捷的輔助審查手段。在算法實現(xiàn)時還可采用多線程的機(jī)制，以能更好的被現(xiàn)今主流的多核CPU所支持，從而進(jìn)一步提高匹配算法的執(zhí)行效率和程序運(yùn)行的穩(wěn)定性。

參考文獻(xiàn)：

[1]巫喜紅，凌捷.BM模式匹配算法剖析.計算機(jī)工程與設(shè)計，第28卷第1期.2007.

[2]婁正良，劉昌平，白洪亮，鄒明福.漢字串的模糊匹配算法.微電子學(xué)與計算機(jī)，第21卷第4期.2004.

[3]潘群娜.基于模式匹配KMP算法的探討.科技信息（科學(xué)教研），第13期.2007.

[4]李容.Visual C# 2008開發(fā)技術(shù)詳解.電子工業(yè)出版社，2008.

作者簡介：

趙少林（1975-），男，河南新鄉(xiāng)人，碩士，講師，主要研究方向：計算機(jī)應(yīng)用。程杰（1978-），男，山東荷澤人，碩士，講師，主要研究方向：計算機(jī)軟件與理論。