论文查重的知识和原理，专家亲自介绍

前 言

随着数字图书馆和互联网的快速发展，数字化文档随手可得，大大地降低了论文抄袭成本。最近这几年各种名人学术造假、知识产权被剽窃的事件层出不穷，给学术界造成一定的诚信危机，其学术不端行为的危害引起了政府及主管部门的高度重视，加大了社会对这种不端行为的关注度，而如何防范剽窃和遏制这种不端行为成为人们研究的热点。在面临学术诚信的危机下，教育部发布了《关于加强高等学校学术道德建设的意见》、《关于树立社会主义荣辱观，进一步加强学术道德建设若干意见》等一系列文件，来指导落实打击学术不端行为，于是各级教育部门及时响应了国家号召，为了提高教育教学质量，加强学术道德和学术规范建设，树立良好的学风，建立诚信的氛围，恪守科学道德，让越来越多的高校、杂志社等引进了知网学术不端文献检测系统。

01.论文查重的基础知识和基本原理

1.提交论文时应了解的知识点

系统只接收论文的纯文本内容，对于图片，表格，公式编辑器等内容会被忽略。简单来说，就是把word格式的论文全文复制，然后粘贴到txt格式纯文本下能够保存的内容。粘贴文本提交和上传文档提交两种方式本质上是一样的，对于上传文档提交，系统会把文档中的纯文本提取出来粘贴在提交框内，非纯文本内容（图片，表格，公式编辑器等）会被自动忽略。

2.论文查重后，总体相似度（抄袭率）是如何计算的？

系统先根据换行符把文章切分成段落，然后再根据标点符号把段落切分成句子，再把每个句子分别进行查重检测。

论文的查重粒度是句子，两个句子的相似度主要取决于句子包含哪些词，以及词在句子中的位置。目前句子相似度只有文字上的对比，不考虑语义上的相近。如果做到语义上的查重，那我们就没法改重了。

总体相似度 = 相似字数 / 检测字数

被系统自动识别出来的非正文部分（如目录，标题，公式，图表，参考文献等）不参与检测，检测字数一般略小于论文字数。

相似字数 =（句子1字数 * 句子1相似度 + 句子2字数 * 句子2相似度 + ...... + 句子n字数 * 句子n相似度），句子相似度范围0.00~1.00，绿色句子相似度按照0计算。

3.数据库对比范围

任何一个查重系统的数据库对比范围都是有限的，所以可能存在虽然论文抄袭了，但是系统没有找到相似来源的情况。我在仔细研究了paperfree之后，下面就以paperfree为对象说一下，对比数据库由本地数据库和网络数据库组成，本地数据库包含历年的学位论文，学术期刊，会议论文，专利论文等等，网络数据库包含百度文库，豆丁文库，道客巴巴，新浪博客等互联网资源。

4.检测时间与哪些因素有关？

检测时间一般与论文字数有关， 1 万字左右的论文大概需要3 ~5 分钟。如果在毕业季的高峰时段（15:00~17:00,20:00~23:00），论文提交后还需要排队几分钟才开始检测

02.论文查重服务中的重要指标

1.评价一个查重系统的重要指标是什么？

客观地评价一个查重系统主要看两个指标：准确率和召回率。准确率高是指系统找出的相似来源确实和送检的句子很相似。

召回率高是指系统把数据库中和送检句子相似的片段都找出来了。

2.抄袭认定的定义是什么？

任何查重系统只是找到论文句子的所有相似来源，查重率高不能直接认定为抄袭。有可能查重系统找到的相似来源是作者本人以前发表的文章。需要老师针对查重报告仔细分析后才能认定论文是否抄袭。

任何两个查重系统的检测算法和对比数据库不可能完全一样，那么就会导致检测结果有差异。对比数据库不同是导致检测结果不同的主要原因。知网拥有最全的学位论文库，如果待检测论文参考了一篇只录入在知网数据库中的学位论文，那么知网查重的相似率会较高，而PaperFree查重的相似率较低。

03.如何识别优秀的论文查重服务？

（1）合理的分词、分句；

（2）合理的相似片段来源；

（3）论文片段语义化识别是否智能；

（4）论文标题识别是否合理。

PaperFree独创在线改重功能，可以实现同一界面上一边修改一边检测。一改、一提交，三秒内反馈结果的用户体验使查重效率翻倍，并且市面上并没有第二家有这样功能的产品。这也反应出这款产品在技术上是领先于其他同行业产品的。

并且在PaperFree在论文检测的分词分句有着科学的算法支持， 绝不会出现整句话只检测前面部分不检测后面部分的情况，符合语言逻辑。

还有一点很重要的是：标题的智能识别。

就我们的认知，标题都是一些前辈听的，用于快速检索内容位置的工具，肯定是不参与检测的，但是现在市面上有些检测机构因为检测技术水平不过关，所以无法避免这个问题，那么！PaperFree已经完美地解决了这一点，我在PaperFree 中检测了大大小小的数十篇论文了，没有一次是识别标题的，那由此可见其技术肯定就是非常先进的了！

温馨提示：如果标题太长或者标题以标点符号结尾，可能会被系统当作正文处理。提交论文时建议去除封面，目录以及参考文献。

04.如何通过修改降低论文的重复率？

首先了解查重的算法

（其中i句相似度>50%为有效，<50%记作0）

简单理解：查重时把文章分解为一个个小句，根据某个算法算出单句相似度。把其中相似度大于50%的句子的相似字数加总再除以论文总字数即为重复率。单句相似度这个概念似乎比较玄学，网站没有明确说明算法，但是我们也可以简单理解一下，大概就是“我写的某个句子和已有文献句子的相同字数占该句子总字数的百分比” 之类的东西。最重要的一个信息是：相似度>50%的句子才会被标黄，相似度>80%的句子会被标红。相似度<50%的被标绿并且相似度被计为0。

降低论文重复率的两个途径

（1）降低每句相似字数，以降低总相似字数；

（2）把句子的相似度降低到50%以下，那么这句相似字数直接就变为0了。

05.如何选择适合自己的查重服务？

1.对于高校官方有明确的查重系统

为了保持和高校官方查重结果一致，那么学生自查也采用和高校官方一样的查重系统。目前大部分高校采用知网作为官方查重系统，由于知网查重不对个人开放，虽然在淘宝上也能买到知网查重，但是价格贵。一般毕业论文要反复经历几次查重，改重的过程，对于土豪可以每次都用知网查重。对于普通人可以初稿先用PaperFree免费查重，定稿再用知网查重。

2.对于高校官方没有明确查重系统

有些高校只要求学生自己去论文查重，然后提交一个合格的检测报告。那么可以选择知名度比较高的查重系统（比如PaperFree，PaperPass，万方，维普）自助查重，然后提交一个相似度符合要求的检测报告。