[发明专利]基于段落抄袭检测的电子作业反抄袭系统和方法

摘要

本发明公开一种基于段落抄袭检测的电子作业反抄袭系统和方法。其包含电子作业提交装置、电子作业接收装置、抄袭检测队列装置、电子作业解析装置、抄袭检测装置和电子作业存储装置。具体步骤为电子作业接收装置接收通过电子作业提交装置所提交的电子作业后，将其入队抄袭检测队列装置；电子作业解析装置出队电子作业，对其进行文本解析、段落分解、存储结果，并启动抄袭检测装置；抄袭检测装置以段落为检测单位，融合有效段落判定，实现抄袭行为检测。本申请以段落为单位，融合队列机制进行抄袭检测的方法，在满足判定电子作业抄袭多篇电子作业的抄袭行为的情况下，提高了系统效率和稳定性，并能判定原创作业的归属问题，进而实现反抄袭。

主权项

一种基于段落抄袭检测的电子作业反抄袭系统，其特征在于，所述系统包括：电子作业提交装置，用于提交电子作业；电子作业接收装置，用于接收、存储通过电子作业提交装置所提交的电子作业，并将电子作业入队抄袭检测队列装置；抄袭检测队列装置，用于以队列方式标记待抄袭检测的电子作业，以待有序检测所提交的电子作业的抄袭行为；电子作业解析装置，用于将电子作业解析成文本，进行段落分解，存储分解后的文本段落，并启动抄袭检测装置进行抄袭检测；抄袭检测装置，用于识别所提交的电子作业是否有抄袭行为；电子作业存储装置，用于存储电子作业、电子作业解析后的文本段落、文本段落关键词及其词频权重、电子作业抄袭状态和账号信息；通过电子作业提交装置提交电子作业；电子作业接收装置接收学生提交的电子作业后，将电子作业入队抄袭检测队列装置，等待抄袭检测；电子作业解析装置从抄袭检测队列装置中出队待检测的电子作业，然后，对其进行文本解析、段落分解，并存储解析后的文本段落，启动抄袭检测装置进行抄袭检测；抄袭检测装置获取待检测的电子作业各文本段落，计算其同已存储的原创段落之间的相似度，融合通过检测的文本段落数检验，判断是否有抄袭行为，并存储抄袭检测结果；所述抄袭检测装置按待检测电子作业文本段落先后顺序逐段检测各段抄袭行为，其抄袭检测包括如下步骤：I、初始化抄袭检测参数，包括当前待检测文本段落序号x＝1，已通过检测文本段落总数d＝0；II、若x大于待检测电子作业总文本段落数，则转向执行步骤IX；否则，从所述的电子作业存储装置提取待检测电子作业第x个文本段落，标记为Px；III、对文本段落Px进行中文分词，并依据标记各词语词性，根据词性，保留有实质意义的名词、动词、方位词、住所词和时间词并统计其词频，得到文本段落Px的关键词及关键词的词频权重，采用VSM模型标记SX，SX可表示为：SX＝{(wx1，nx1)，(wx2，nx2)，…，(wxi，nxi)}其中，wx为文本段落Px的关键词，i为关键词个数，nx为该关键词的词频权重，其计算公式为：nx1=0.001+0.999×freq1max{freqm,m=1,2,...,i},]]>式中freql为关键词wxl的词频，max{freqm，m＝1，2，…，i}为所有关键词中最高的词频数；当i小于设定阈值时，文本段落Px太短，不进行后续检测；此时，设置x＝x+1，转向执行步骤II；IV、将SX结构化存储于所述的电子作业存储装置；V、按顺序从所述的电子作业存储装置中提取已存储的原创段落关键词及其词频权重信息；若所提取的原创段落标记为SY，SY可表示为：SY＝{(wy1，ny1)，(wy2，ny2)，…，(wyj，nyj)}VI、对SX和SY进行关键词扩展处理，若SX和SY的总关键词数为k，则SX和SY可表示为：SX＝{(w1，x1)，(w2，x2)，…，(wk，xk)}SY＝{(w1，y1)，(w2，y2)，…，(wk，yk)}其中，w为扩展后的关键词，xi为关键词wi在SX中的词频权重，yi为关键词wi在SY中的词频权重；当SX或SY经扩展后出现新的关键词，其词频为0时，设置其词频权重赋值为0.001；VII、计算SX同SY的余弦相似度Sim(SX，SY)，其计算公式如下：Sim(SX,SY)=SX·SY||SX||·||SY||=Σi=1kxi·yiΣi=1kxi2·Σi=1kyi2]]>VIII、若Sim(SX，SY)大于设定阈值，则视该检测电子作业有抄袭行为，执行步骤X；否则，设置d＝d+1，x＝x+1，转向执行步骤II；IX、判定d是否大于设定阈值，如果d小于设定阈值，则视为抄袭文档；反之，该电子作业为原创电子作业，并标记所有通过检测的d个文本段落为原创段落；X、存储电子作业抄袭检测结果。