一种用于文本抄袭检测的特征提取算法.PDFVIP

———————————————————————————————————————————————— 一种用于文本抄袭检测的特征提取算法 作者 金标，赵萌萌，吴国华 机构 国家必威体育官网网址科技测评中心；杭州电子科技大学 计算机学院；杭州电子科技大学 网络空间安全 学院 基金项目 国家必威体育官网网址局必威体育官网网址科研项目（BMKY2016AT02）；复杂系统建模与仿真教育部重点实验室资助项 目 预排期卷 《计算机应用研究》2018 年第35 卷第9 期 摘要 特征提取是文本抄袭检测的重要环节，文本特征的数量和质量严重影响文本抄袭检测的准确 率。针对现有方法的不足，提出一种基于依存句法的文本抄袭检测算法。该算法在依存句法 分析的基础上，通过分析句子中词语间的关系以及合并短小词语建立句法框架，进而提取文 本特征。其中，短小词语的合并能够使无意义词语合并成为有意义实体来表示文本特征，使 文本特征更全面。实验结果表明，该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。 关键词 文本特征提取；抄袭检测；依存句法；句法框架 作者简介 金标（1984- ），男，山西五台人，博士，主要研究方向为网络安全、模式识别 （loyierve@126.com）；赵萌萌（1992-），女，硕士研究生，主要研究方向为文档复制检测； 吴国华（1970-），男，研究员，博士，主要研究方向为数据挖掘、密码学． 中图分类号 TP391.1 访问地址 /article/02-2018-09-037.html 发布日期 2017 年9 月1 日 引用格式 金标, 赵萌萌, 吴国华. 一种用于文本抄袭检测的特征提取算法[J/OL]. 2018, 35(9). [2017-09- 01]. /article/02-2018-09-037.html. 35 9 Vol. 35 No. 9 第 卷第 期 计算机应用研究 优先出版 Application Research of Computers Online Publication 一种用于文本抄袭检测的特征提取算法 * 1 2a 2b 金 标 ，赵萌萌 ，吴国华 (1. 国家必威体育官网网址科技测评中心, 北京 100044; 2. 杭州电子科技大学 a. 计算机学院; b. 网络空间安全学院, 杭州 310018) 摘 要：特征提取是文本抄袭检测的重要环节，文本特征的数量和质量严重影响文本抄袭检测的准确率。针对现有方 法的不足，提出一种基于依存句法的文本抄袭检测算法。该算法在依存句法分析的基础上，通过分析句子中词语间的 关系以及合并短小词语建立句法框架，进而提取文本特征。其中，短小词语的合并能够使无意义词语合并成为有意义 实体来表示文本特征，使文本特征更全面。实验结果表明，该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。 关键词：文本特征提取；抄袭检测；依存句法；句法框架 中图分类号：TP391.1 Feature extraction algorithm for text plagiarism detection 1