【摘 要】
：
针对中文文献抄袭检测提出了一种基于汉语词频的文本数字指纹,通过对具有参考性的语料库进行词频和字频统计形成一个hash词表,然后基于最大熵原理为任意长度的文本生成一个基
【基金项目】
：
国家社会科学基金项目“学术文献‘意抄’检测研究”(项目编号:12CTQ032);山东省自然科学基金项目“大规模学术文献并行处理与语义分类研究”(项目编号:ZR2011GL025)研究成果之一
论文部分内容阅读
针对中文文献抄袭检测提出了一种基于汉语词频的文本数字指纹,通过对具有参考性的语料库进行词频和字频统计形成一个hash词表,然后基于最大熵原理为任意长度的文本生成一个基于词频特征的文本数字指纹,对于任意两篇文献可以通过计算对应的两个数字指纹的Hamming距离来得到一个相似度的估计。通过使用维基百科zhwiki-20121129-all-titles语料库构建hash词表,对情报学领域4种核心期刊进行实验,结果表明这种数字指纹对常见的抄袭情况都能很好地识别和检测,具有很强的鲁棒性。
其他文献
目的探讨氯化锂对布比卡因所致神经毒性的保护作用。方法将体外培养的小鼠神经母细胞瘤细胞株N2a细胞分为四组:对照组不加任何药物;氯化锂组加入30μmol/L氯化锂;布比卡因组
本文介绍了通过涂覆4-(2-乙胺基)苯-1，2-二醇(多巴胺，dopamine)对疏水聚乙烯膜进行改性。在适当条件的溶液中，含有羟基和氨基的多巴胺在膜表面交联并通过与膜表面的强相互作用粘
随着电脑、电子信息产业的兴起,也带动了国内电源市场的兴旺。笔者日前考察了安徽的电源市场,总的印象是品种多、功能全、市场大,这也是国内电源市场的缩
With the rise of
基于文献调查与内容分析,解析由图书馆专门法、图书馆相关法、图书馆行业标准与规范3部分组成的英国图书馆法律制度体系及其作用。其中,图书馆专门法包括全国性和地区性的图
观念上的滞后是造成我国国有资产大量流失的一个重要原因。信息资源的开发成为现代社会进步的重要标志之一。作为知识产权的重要组成部分，专利和商标是现代社会中无形的金山银
背景:甲状腺癌在人类恶性肿瘤中约占1%,是最常见的内分泌恶性肿瘤。在世界范围内发病率呈上升趋势,成为增长最迅速的人类肿瘤。目前超声、细针穿刺细胞学检查(fine-needle as
目的低血镁与糖尿病的发生发展密切相关。有研究认为,与血清镁比较,钙/镁比值是判断维持性血液透析(MHD)患者心血管事件发生和全因死亡更好预测指标。糖尿病MHD患者营养不良
混凝土经３００～７００℃的明火作用之后，用扫描电镜观测了材料微观亚微观的表面形貌，从不同形貌特征研究了混凝土高温作用后的破坏机理
目的探讨利用磁共振对比剂钆塞酸二钠(Gd-EOB-DTPA)分析鉴别老年患者肝内小结节病灶的良恶性。方法选取经病理证实的72例肝内恶性病灶,28例良性的病例,随机分组,通过常规对比