[论文解读] Anti Plagiarism Application with Algorithm Karp-Rabin at Thesis in Gunadarma University

Achmad Benny Mutiara, Sinta Agustina|ArXiv.org|Nov 26, 2008

Algorithms and Data Compression参考文献 4被引用 3

一句话总结

本文提出了一种使用Rabin-Karp字符串匹配算法的抄袭检测应用，用于在Gunadarma大学分析学位论文。该系统计算学位论文章节与现有文本之间的相似度百分比（0%、<15%、15–50%、50–100%），实现自动化筛查，以支持学术导师和评审人员在处理数千份学生提交的论文时识别潜在抄袭行为。

ABSTRACT

Plagiarism that is plagiarizing or composition retrieval, opinion, etcetera from other people and makes it is likely composition and opinion him-self. Plagiarism can be considered to be crime because stealing others copyrights. Like action a student copying some part of writings without valid permission from the original writer. In education world, plagiarism perpetrator can get the devil to pay from school/university. Plagiarism perpetrator conceived of plagiator. This thing is possible unable to be paid attention by the side of campus because of limitation from some interconnected factors for example student amounts Gunadarma University reaching thousands and incommensurate to tester amounts or lecturer the side of campus in charge directs problem thesis. In this paper, an application have been developed in order to check and look for 5 type percentage similarity from a thesis with other one at certain part or chapters. Percentage got that is 0%, under 15%, between 15-50%, up to 50% and 100%. So it should be expected that the results could be used by thesis advisor and also thesis examiner from the Student at Gunadarma University.

研究动机与目标

• 为解决Gunadarma大学在大量学生学位论文中检测抄袭的挑战。
• 通过自动化学位论文各章节之间的相似度检查，减轻学术人员的工作负担。
• 开发一个可扩展、高效的系统，能够识别具有不同程度相似性的文本匹配。
• 提供定量的相似度度量（0%、<15%、15–50%、50–100%），用于学术评估。
• 支持学位论文导师和评审人员识别潜在的版权侵权或非原创内容。

提出的方法

• 采用Rabin-Karp算法检测学位论文内容与外部资料之间的完全匹配或近似完全匹配。
• 系统处理每篇学位论文的各个章节，并将其与已知文档或以往学位论文数据库进行对比。
• 相似度以五个预定义的百分比区间进行量化：0%、低于15%、15–50%、最高50%、100%。
• 该算法使用滚动哈希函数，高效扫描大段文本中的模式匹配。
• 该应用程序设计用于集成到大学的学术工作流程中，以支持学位论文评审。
• 系统为每章输出一个相似度评分，以协助识别潜在抄袭。

实验结果

研究问题

• RQ1 如何在大规模学术学位论文中高效检测文本相似度？
• RQ2 在大学学位论文背景下，Rabin-Karp算法可可靠测量的相似度百分比水平是多少？
• RQ3 Rabin-Karp算法能否在现实学术环境中有效适应抄袭检测需求？
• RQ4 该系统如何在无需人工审查每份文档的情况下，支持学术人员识别潜在抄袭？
• RQ5 哪些相似度评分范围可有意义地用于标记学位论文写作中的潜在抄袭？

主要发现

• Rabin-Karp算法成功实现了在学位论文各章节之间高效检测文本匹配，计算效率高。
• 该系统生成了五个明确的相似度百分比类别：0%、低于15%、15–50%、最高50%、100%。
• 该应用程序在拥有数千份学生学位论文的大规模学术环境中展示了可行性。
• 提供的相似度评分可为学位论文导师和评审人员评估原创性提供可操作的数据。
• 该系统通过提供定量、自动化的文本相似度评估，减少了对人工检查的依赖。
• 该工具已在Gunadarma大学的真实大学环境中得到验证，显示出实际应用价值。