基于数字指纹的文本抄袭检测算法已经广泛应用于信息检索、网页去重、图书馆资源版权保护、软件著作权保护等领域。数字指纹检测算法具有存储空间小、检测速度快的优势,适用于大规模的文本集抄袭检测系统。本文在论述了数字指纹检测算法的基本原理和主要流程的基础上,重点围绕文本特征提取以及数字指纹提取展开研究工作。针对文本抄袭检测中存在特征数量多的问题,本文对常见的文本块划分方法进行了研究,在句子粒度划分和词语间依存关系的基础上,对文本特征提取算法作了一定的改进,该算法可解决对依存句法关系考虑不足的缺陷,有效降低了特征数量。此外,为了减少数字指纹密度,降低计算复杂度,本文对数字指纹特征提取算法作了一定改进,该算法基于Winnowing滑动窗口机制,根据最优决策模型和最优约束条件选取文本的数字指纹。实验表明,本文所提出的文本特征提取算法能够准确选择文本的特征集,解决了文本特征数量多的问题,检测的准确率也有所提高;改进的数字指纹提取算法在一定程度上减少数字指纹密度,降低了存储空间。