[发明专利]应用于抄袭检测的信息指纹索引方法

权利要求书

1.应用于抄袭检测的信息指纹索引方法，其特征在于，所述方法包括：

A、抄袭检测中的信息指纹索引的数据结构；

B、为提取的信息指纹建立索引；

C、插入与删除信息指纹索引项；

D、通过建立的信息指纹索引进行检索。

2.根据权利要求1所述的应用于抄袭检测的信息指纹索引方法，其特征在于，所述信息指纹索引采用B+树的索引数据结构，该结构的特征包括：

M-阶的B+树中每个结点至多有m个孩子；

除根节点和叶子节点外，其它每个结点即：除根结点外的内部结点至少有m/2个孩子；

若根结点不是叶子结点，则至少有2个孩子。

3.根据权利要求1所述的应用于抄袭检测的信息指纹索引方法，其特征在于，所述步骤A具体包括：

抽取文本片段的信息指纹并记录文本ID；

提取信息指纹的文本片段在文本的位置并与信息指纹和文本ID组成记录。

4.根据权利要求1所述的应用于抄袭检测的信息指纹索引方法，其特征在于，

所述信息指纹索引项的插入具体包括：不违规状态的插入和违规状态的插入，其中不违规状态的插入和违规状态的插入是根据叶子结点的父亲结点的孩子数进行判定；

所述信息指纹索引项的删除包括：不违规状态的删除和违规状态的删除，其中不违规状态的删除和违规状态的删除是根据叶子结点的父亲结点的孩子数进行判定。

5.根据权利要求4所述的应用于抄袭检测的信息指纹索引方法，其特征在于，

当叶子结点的父亲结点的孩子数小于m，为不违规状态结点的插入，在此父亲结点增加一个关键字；

当叶子结点的父亲结点的孩子数等于m，为违规状态结点的插入；

当叶子结点的父亲结点的孩子数大于m/2，为不违规状态结点的删除；

当叶子结点的父亲结点的孩子数等于m/2，为违规状态结点的删除。

6.根据权利要求2所述的应用于抄袭检测的信息指纹索引方法，其特征在于，所B+树的索引数据结构还包括：

所有叶子结点都出现在同一层，并在叶子结点中包含了全部关键字信息及指向含关键字记录的指针，且叶子结点本身根据关键字的大小自小而大顺序链接；

有K个孩子的非终端结点恰好包含有K个关键字；

在B+树上有两个指针，一个指向根节点，一个指向关键字最小的叶子结点。

7.根据权利要求1所述的应用于抄袭检测的信息指纹索引方法，其特征在于，所述步骤D具体包括：

将信息指纹的同根结点的数值进行比较；

确定信息指纹所属的下一层结点，直到最后一层内部结点；

检测有没有叶子结点对应的节点。

8.根据权利要求7所述的应用于抄袭检测的信息指纹索引方法，其特征在于，如果检测不存在叶子结点对应的结点，则文本库中不存在抄袭检测的信息指纹；如果检测存在叶子结点对应的结点，则返回叶子结点。