[發明專利]基于段落抄襲檢測的電子作業反抄襲系統和方法

有效

• 申請號: 201310631663.9
• 申請日: 2013-12-03
• 公開（公告）號: CN103678528B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 周小平
• 申請（專利權）人: 北京建筑大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及智能信息處理和計算機技術領域，具體地說是一種利用計算機系統進行抄襲檢測的電子作業反抄襲系統和方法。

背景技術

隨著計算機應用技術在教學中的廣泛應用和電子文檔技術的進步，越來越多的作業以電子文檔的方式提交，即電子作業。電子作業使得作業整潔、易讀、美觀、易保存；因此，在越來越多的課程中，尤其是計算機課程，幾乎所有的作業都以電子作業的形式提交、審閱。然而，電子作業的可復制性和易修改性，使得其抄襲變得更為簡單。在沒有任何反抄襲措施的情況下，學生們更愿意使用簡單的復制粘貼等手段來完成其作業。目前，該現象在全國范圍內已愈演愈烈。它不但降低了學生學習的主動性，對學習效果產生了巨大的負面效果；同時，也對整個社會造成了極大的不良影響。因此，如何防止電子作業抄襲行為已經成為了教育教學等行業亟需解決的一個重要問題。如果能夠找到一種簡單實用的電子作業反抄襲方法，較少、杜絕抄襲行為，將能極大提高教育教學質量，具有重大的意義。

通常情況下，某次電子作業都是圍繞某個題目展開的。它通常允許學生通過查閱大量的互聯網資料、學術文獻資料等完成。不可避免地，其文章中或多或少的存在一些允許范圍內的引用。因此，電子作業中存在句子的相同，不能作為抄襲依據；而長段落的抄襲則可以作為抄襲憑證。此外，電子作業的抄襲主要集中在學生電子作業間的相互抄襲，這些抄襲行為包括一篇電子作業全部或部分抄襲另一篇電子作業或融合多篇電子作業等。根據本發明人多年教學經驗的統計，絕大部分的抄襲者其抄襲行為大多是對一篇電子作業的部分擇取或多篇(一般不超過3篇)電子作業的簡單融合，也即將多篇電子作業的不同段落進行重新組合。

針對電子文檔抄襲，全球范圍內已經有了許多電子文檔抄襲的算法和系統。審理中專利《中文數字反抄襲偵測比對系統與方法》(楊純青，2012，申請號201210258516.7)通過將文章拆解成句子群，并將所獲取的句子群逐句上傳至搜索引擎，獲取與搜索引擎所搜尋出的與拆解字句雷同的網頁或文章，并對抄襲的句子進行標注。該專利一定程度上能識別電子作業哪些句子雷同于網絡文章；但，它卻未能解決電子作業間相互抄襲的問題，而這也是電子作業最常見的現象；同時，它也無法給出定量的抄襲程度指標，即它無法智能判斷該電子作業是否有抄襲行為。

溫州大學已授權專利《基于近似串匹配距離德電子文本文檔抄襲識別方法》(胡明曉，2008，專利號200810162245.9)采用近似串匹配距離來識別文檔A是否抄襲文檔B，它能檢測兩個文檔之間是否有相互抄襲行為，但卻不能解決一個文檔融合抄襲多個文檔的現象。美國專利《Method?for?detecting?plagiarism》(Kelly，V.Adam，2001，No.6976170)通過使用公式計算文檔中的每個句子的特征值，通過對比兩個文檔各句子的特征值，來判定是否有抄襲行為。西安交通大學已授權專利《一種基于小波變換的半結構化文本結構復制檢測的方法》(鮑軍鵬蘇杰，2011，申請號201110316054.5)通過小波變換獲取板結構化文本結構特征，計算結構相似性，判定結構是否雷同等步驟來判定本結構化文本是否有復制行為。北方工業大學審理中專利《一種電子作業抄襲檢測方法》(張師林，2011，申請號201110235711.3)根據常用詞詞頻和實詞語義相似度分別計算作業之間的相似程度，最后融合兩方面的相似度并根據閾值判斷兩篇文檔間是否存在抄襲。因此，由于這些方法都是以文檔為單位，進行文檔間的相似度計算，進而判定兩個文檔之間是否有抄襲行為，因此，都無法檢測抄襲多個電子作業融合抄襲的行為。此外，當兩個文檔存在相似性的情況下，其未能解決誰是原創文檔、誰是抄襲文檔的問題。