1、Heilongjiang Institute of TechnologyKong Leilei,1,抄袭检测,Heilongjiang Institute of TechnologyKong Leilei,2,“I am translating the black and whiteimpressions into another language that of colour”,黑龙江工程学院在抄袭检测中的研究进展 报告人：孔蕾蕾,报告人简介,黑龙江工程学院计算机科学与技术学院信息管理与信息系统系副主任黑龙江工程学院云计算与大数据工程技术中心成员哈尔滨工程大学信息与通信工程专业在读博士,5,
2、黑龙江工程学院云计算与大数据工程技术中心简介中心在抄袭检测上的最新进展国内外研究现状中心在PANCLEF 2012、2013上的成绩黑龙江工程学院“鹰眼抄袭检测系统”介绍“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能未来的工作,报告内容,6,黑龙江工程学院云计算与大数据工程技术中心简介中心在抄袭检测上的最新进展国内外研究现状中心在PANCLEF 2012、2013上的成绩黑龙江工程学院“鹰眼抄袭检测系统”介绍“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能未来的工作,报告内容,工程技术中心简介,2012年成立，学校投入150万元进行了环境改造、设备更新其前身是
3、2007年成立的校自然语言处理实验室主要研究人员齐浩亮 ，教授，博士，中心主任韩中元，副教授，在读博士，软件工程系副主任安波，副教授，计算机科学与技术系主任王亚东，副教授，物联网系（筹）主任李军，副教授，软件工程系主任孔蕾蕾，讲师，在读博士，信息管理与信息系统系副主任,研究方向,云 计 算,中心主任简介,齐浩亮，1972年2月生，博士，教授校自然语言处理实验室主任、计算机应用技术研究所 所长中国中文信息学会，理事中国中文信息学会国际专委会，委员中国中文信息学会社会媒体处理专委会，委员YOCSEF（中国计算机学会青年论坛）哈尔滨2009、2010、2011，副主席黑龙江省首届教学新秀2008年获
4、“黑龙江省杰出（优秀）青年科技创新奖”近期通过了龙江学者初评,承担的国家自然科学基金项目,主要评测成绩,12,黑龙江工程学院云计算与大数据工程技术中心简介中心在抄袭检测上的最新进展国内外研究现状中心在PANCLEF 2012、2013上的成绩黑龙江工程学院“鹰眼抄袭检测系统”介绍“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能未来的工作,报告内容,13,黑龙江工程学院云计算与大数据工程技术中心简介中心在抄袭检测上的最新进展国内外研究现状中心在PANCLEF 2012、2013上的成绩黑龙江工程学院“鹰眼抄袭检测系统”介绍“鹰眼抄袭检测系统”在PANCLEF 2012、2013上
5、的性能未来工作,报告内容,Heilongjiang Institute of TechnologyKong Leilei,14,国内外研究现状,抄袭的一般模式,2012-10-9,Heilongjiang Institute of TechnologyKong Leilei,15,国内外研究现状,抄袭检测：术语抄袭，一般理解为将他人作品的全部或部分，以或多或少改变形式或内容的方式，当作自己的作品发表1。剽窃，主要指将他人的语言文字或研究观点当作自己的成果而不加引用的公开发表2。抄袭检测，定义s=(splg, dplg,ssrc,dsrc)，其中，splg为文档dplg中的一段，splg抄袭了文
6、档dsrc中的某个段ssrc。定义r=(rplg, dplg, rsrc, dsrc)，如果splgrplg, ssrcrsrc, dsrcdsrc,则称r检测出了s，这个过程称为抄袭检测2。1世界知识产权组织,版权和邻接权法律术语词汇,1980.2Martin Potthast, Andreas Eiselt, Alberto Barrn Cedeo, Benno Stein1, and Paolo Rosso2. Overview of the 3rd International Competition on Plagiarism Detection. Overview for PAN a
7、t CLEF 2011.,Heilongjiang Institute of TechnologyKong Leilei,16,国内外研究现状,目前，文本抄袭检测的研究主要分为两类：内部抄袭检测外部抄袭检测,Heilongjiang Institute of TechnologyKong Leilei,17,内部抄袭检测给定一篇文章，在不借助任何外界参考资料的情况下（假设参考资料集合不能预先获得或不能自由获取），判定该文章是否抄袭、剽窃或复制于一篇或多篇文章的内容。写作风格模型、异常值检测算法等为主流方法。,国内外研究现状,Heilongjiang Institute of Technolog
8、yKong Leilei,18,外部抄袭检测外部抄袭检测假定存在一个封闭的参考资料集合，在此前提下，给定一篇待检测文本，从参考文档集合中检索与待检测文本相似度超过一定阈值的文本。,国内外研究现状,Heilongjiang Institute of TechnologyKong Leilei,19,抄袭的分类：简单抄袭和高模糊度的抄袭3简单抄袭：原文复制、近似复制、修改复制。高模糊度的抄袭：意译抄袭、总结抄袭、翻译抄袭、观点抄袭。,国内外研究现状,3 Salha M. Alzahrani, Naomie Salim, Ajith Abraham. Understanding Plagiarism
9、 Linguistic Patterns, Textual Features, and Detection Methods. IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICSPART C: APPLICATIONS AND REVIEWS, VOL. 42, NO. 2, MARCH 2012.,Heilongjiang Institute of TechnologyKong Leilei,20,简单抄袭,国内外研究现状,Heilongjiang Institute of TechnologyKong Leilei,21,意译(paraphr
10、asing)抄袭,国内外研究现状,Heilongjiang Institute of TechnologyKong Leilei,22,总结抄袭,国内外研究现状,Heilongjiang Institute of TechnologyKong Leilei,23,翻译抄袭,国内外研究现状,Heilongjiang Institute of TechnologyKong Leilei,24,学术论文的观点(idea)抄袭,国内外研究现状,Heilongjiang Institute of TechnologyKong Leilei,25,抄袭检测常用的文本特征词汇特征句法特征语义特征结构特征,国
11、内外研究现状,Heilongjiang Institute of TechnologyKong Leilei,26,PANCLEF 抄袭检测评测CLEF(Cross-Language Evaluation Forum)：是在欧盟数字图书馆计划支持下举办的跨语言信息检索开放评测平台。CLEF于2000年开始举办，现已成为最著名的国际信息检索评测会议之一。PAN(Plagiarism detection, Author identification, Author Profiling)致力于抄袭检测算法的评估2010年加入CLEF,国内外研究现状,Heilongjiang Institute of
12、 TechnologyKong Leilei,27,PAN近4年在抄袭检测方面的评测任务,备选文档检索详细比对,内部抄袭检测外部抄袭检测,2010,2011,2012,源检索文本对齐,2013,内部抄袭检测外部抄袭检测,国内外研究现状,Heilongjiang Institute of TechnologyKong Leilei,28,源检索 提交的查询数目需要下载的网页数目 精确率和召回率找到第一个抄袭源时提交的查询的数目找到第一个抄袭源时下载的网页的数目抄袭源在检索结果中的排序文本对齐召回率精确率granplagdet,PANCLEF 抄袭检测评估方法,29,黑龙江工程学院云计算与大数据工
13、程技术中心简介中心在抄袭检测上的最新进展国内外研究现状中心在PANCLEF 2012、2013上的成绩黑龙江工程学院“鹰眼抄袭检测系统”介绍“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能未来工作,报告内容,Heilongjiang Institute of TechnologyKong Leilei,30,PANCLEF2012详细比对子任务第一名PANCLEF2013文本对齐高模糊抄袭检测第一名文本对齐翻译抄袭检测第一名源检索任务：召回率及找到第一个抄袭源时提交的查询的数目两个指标上第一名,中心在PANCLEF,4 http:/pan.webis.de,31,黑龙江工程学院
14、云计算与大数据工程技术中心简介中心在抄袭检测上的最新进展国内外研究现状中心在PANCLEF 2012、2013上的成绩黑龙江工程学院“鹰眼抄袭检测系统”介绍“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能未来工作,报告内容,Heilongjiang Institute of TechnologyKong Leilei,32,源检索,备选文档集,可详 疑细 片信 段息,文档集合,待检测文档,海量网络资源,系统处理过程框架,文本对齐,Heilongjiang Institute of TechnologyKong Leilei,33,源检索,备选文档集,可详 疑细 片信 段息,文档
15、集合,待检测文档,海量网络资源,系统处理过程框架,文本对齐,Heilongjiang Institute of TechnologyKong Leilei,34,在源检索中 多种可疑文档查询关键词提取方法查询关键词的排序备选文档的筛选,系统处理过程框架,Heilongjiang Institute of TechnologyKong Leilei,35,源检索,备选文档集,可详 疑细 片信 段息,文档集合,待检测文档,海量网络资源,系统处理过程框架,文本对齐,Heilongjiang Institute of TechnologyKong Leilei,36,在文本对齐中：匹配与合并,匹配,预
16、处理,合并,系统处理过程框架,Heilongjiang Institute of TechnologyKong Leilei,37,匹配,预处理,合并,双向交替合并算法(Bilateral Alternating Merging Arithmetic)基于图的最大联通路径,系统处理过程框架,在文本对齐中：匹配与合并,38,黑龙江工程学院云计算与大数据工程技术中心简介中心在抄袭检测上的最新进展国内外研究现状中心在PANCLEF 2012、2013上的成绩黑龙江工程学院“鹰眼抄袭检测系统”介绍“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能未来的工作,报告内容,Heilongjia
17、ng Institute of TechnologyKong Leilei,39,“鹰眼抄袭检测系统”在 PANCLEF2012,子任务: 备选文档检索4,4 http:/pan.webis.de,Heilongjiang Institute of TechnologyKong Leilei,40,子任务: 详细比对4,4 http:/pan.webis.de,“鹰眼抄袭检测系统”在 PANCLEF2012,Heilongjiang Institute of TechnologyKong Leilei,41,子任务: 文本对齐高模糊抄袭的检测4,4 http:/pan.webis.de,“鹰眼
18、抄袭检测系统”在 PANCLEF2013,Heilongjiang Institute of TechnologyKong Leilei,42,子任务: 文本对齐翻译抄袭的检测4,4 http:/pan.webis.de,“鹰眼抄袭检测系统”在 PANCLEF2013,Heilongjiang Institute of TechnologyKong Leilei,43,子任务: 源检索4,4 http:/pan.webis.de,“鹰眼抄袭检测系统”在 PANCLEF2013,44,黑龙江工程学院云计算与大数据工程技术中心简介中心在抄袭检测上的最新进展国内外研究现状中心在PANCLEF 201
19、2、2013上的成绩黑龙江工程学院“鹰眼抄袭检测系统”介绍“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能未来的工作,报告内容,Heilongjiang Institute of TechnologyKong Leilei,45,基于多特征融合的抄袭检测文本对齐跨语言抄袭检测中文抄袭检测系统的研究与开发,未来的工作,Heilongjiang Institute of TechnologyKong Leilei,46,处于跨越式发展阶段的工程技术中心迫切渴望优秀人才加盟！提供不低于学校公开招聘的待遇（包括科项目配套费1:1、周转房、配偶工作、安家费、科研启动费、工作条件等）。,期待您的加入,凝练特色，一流成果协同创新，服务社会,
