随着信息社会的发展,与知识产权保护、学术研究、信息检索和各种申报与统计分析等应用相关的信息越来越多,而在这些应用中需要对大量信息是否重复或相似进行检查,包括直观的内容重复或相似检查、隐含的内容重复或相似检查、内在的约束关系校验等,查重方法和技术是解决此类问题的关键,是建立高效和实用的信息校验系统的基础。 本文以学科和论文类信息采集与评估应用系统为背景,重点研究以中文分词技术为基础的查重方法和技术,提出一种信息校验系统结构,在此基础上通过实验方法研究了查重技术及其应用问题,实现了以词法和语法信息为辅助信息的文本重复与相似的查重算法,并对算法的性能进行了分析研究。 以实际的学科类和论文类信息采集系统为背景,本文介绍了现有的文本查重技术及方法,总结分析了本领域中相关的概念模型,研究了多种查重算法和实现技术,具体分析了信息校验系统中需要解决的查重关键问题,研究分析了不同的经典信息查重算法原理和模型,用实验数据对以词法和语法信息为辅助信息的文本重复与相似的查重算法进行测试分析,研究查重算法的运行性能等应用问题,为实现高效和实用的信息校验系统提供参考。