基于向量空间模型的电子文本作业抄袭检测 (ICIAfS14)
信息检索
2014-12-30 v1 计算与语言
摘要
抄袭是指在艺术、诗歌、文学、电影、研究及其他创造性研究领域，将他人的部分或全部作品非法据为己有的行为。抄袭是学术和研究领域的重要问题之一，在学术系统中备受关注。随着网络上资源的日益丰富，这一情况愈发严峻。本文聚焦于一种有效的抄袭检测工具，旨在通过比较向量空间模型中的 unigram、bigram 和 trigram 并结合余弦相似度度量，识别适用于基于文本作业的语料内抄袭检测。我们使用手动评估的标注数据集对 unigram、bigram 和 trigram 向量进行了测试。尽管 trigram 向量耗时相对较多，但在标注数据上表现出更好的结果。此外，我们将选用的带余弦相似度度量的 trigram 向量空间模型与采用 Jaccard 度量的 tri-gram 序列匹配技术进行了比较。结果显示，余弦相似度得分略高于其他方法。这是因为该方法更侧重于赋予数据集中不频繁出现的术语更高的权重，因此使用 trigram 技术的余弦相似度度量优于其他方法。为此，我们提出了一种新工具，该工具可作为评估基于电子文本作业的有效手段，从而减少学生中的抄袭现象。
引用
@article{arxiv.1412.7782,
title = {Plagiarism Detection on Electronic Text based Assignments using Vector Space Model (ICIAfS14)},
author = {MAC Jiffriya and MAC Akmal Jahan and Roshan G. Ragel},
journal= {arXiv preprint arXiv:1412.7782},
year = {2014}
}
备注
appears in The 7th International Conference on Information and Automation for Sustainability (ICIAfS) 2014