[发明专利]一种基于文章分割和皮尔森检验的文章重复程度检测方法

摘要

本发明为一种基于文章分割和皮尔森检验的文章重复程度检测方法。本发明的技术要点是将文章正文全部分割为多个片段，而后统计每个片段的出现次数并按照一定顺序排列，再将数据库中或其它来源的文章进行相同处理，所得数据可绘制成曲线，故可以采取皮尔森检验的方法来检测两条曲线的相关性，从而得出两篇文章的重复程度。当相关系数为0.8‑1.0时说明两篇文章高度重复，为0.6‑0.8时较高重复，为0.4‑0.6时中等程度重复，为0.2‑0.4时低重复，为0.0‑0.2时极低重复或无重复。此技术与计算机技术结合后可应用在论文重复性检测（俗称论文查重）方面，并且提高了人为降低重复率（俗称降重）的难度，对于打击论文抄袭行为具有重要意义。

主权项

1.一种基于文章分割和皮尔森检验的文章重复程度检测方法，其主要特征为：按特定字数或特定识别位点将待测文章分为若干个片段，再统计各片段在文章中共出现的次数，以文章片段为横轴，片段在文章中出现的总次数为纵轴，绘制曲线，称此曲线为该文章的特征曲线，按照同样的分割位点将其他文章的进行同种方式的分割并统计各片段在文章中出现的次数，以文章片段为横轴，片段在文章中出现的总次数为纵轴，绘制曲线，称此曲线为该文章的特征曲线，将待测文章的曲线与其他文章的曲线一同进行皮尔森检验，以此为依据确定文章的重复程度。