[发明专利]一种基于大数据的论文相似度检测方法和装置

说明书

本发明涉及一种基于大数据的论文相似度检测方法和装置，获取第一论文和第二论文，以及第一论文和第二论文的领域，根据第一论文的领域和第二论文的领域获取第一论文和第二论文的相似度比例系数，根据第一论文的短文本和第二论文的短文本获取第一相似度，根据第一论文的长文本和第二论文的长文本获取第二相似度，根据相似度比例系数、第一相似度和第二相似度，判定第一论文和第二论文是否相似。本发明提供的基于大数据的论文相似度检测方法结合相似度比例系数、第一相似度和第二相似度，相较于只通过固定大小且长度比较短的词组是否相同来确定两个论文的相似度，能够提升检测准确性。

技术领域

本发明涉及一种基于大数据的论文相似度检测方法和装置。

背景技术

通过论文相似度检测方法对两篇论文的相似度进行检测，以确定是否存在抄袭的情况。目前的论文相似度检测方法为：将两篇论文划分为多个词组，然后依次对比两篇论文中的各个词组，根据词组是否相同确定相似度。通常而言，词组仅仅是一个具有两个、三个或者四个单字的词语。

现有的论文相似度检测方法只通过词组是否相同来确定两个论文的相似度，准确性较差。

发明内容

本发明提供一种基于大数据的论文相似度检测方法和装置，用于解决现有的论文相似度检测方法的准确性较差的技术问题。

一种基于大数据的论文相似度检测方法，包括如下步骤：

获取第一论文和第二论文，并获取所述第一论文的领域和第二论文的领域，其中，所述第一论文和第二论文中均包括至少一个短文本和至少一个长文本；

根据所述第一论文的领域和第二论文的领域获取所述第一论文和第二论文的相似度比例系数；

根据所述第一论文的短文本和所述第二论文的短文本，获取所述第一论文和第二论文的第一相似度；根据所述第一论文的长文本和所述第二论文的长文本，获取所述第一论文和第二论文的第二相似度；

结合所述相似度比例系数，以及所述第一相似度和所述第二相似度，获取所述第一论文和第二论文是否相似的检测结果。

具体地，所述根据所述第一论文的领域和第二论文的领域获取所述第一论文和第二论文的相似度比例系数具体为：

若所述第一论文的领域和第二论文的领域相同，则所述相似度比例系数为一个大于1的数值，若所述第一论文的领域和第二论文的领域不同，则所述相似度比例系数为1。

具体地，所述根据所述第一论文的领域和第二论文的领域获取所述第一论文和第二论文的相似度比例系数具体为：

将所述第一论文的领域和第二论文的领域输入至预设的领域知识图谱中，确定所述第一论文的领域和第二论文的领域是否相同或者相关；

若所述第一论文的领域和第二论文的领域相同或者相关，则所述相似度比例系数为一个大于1的数值，若所述第一论文的领域和第二论文的领域不同且不相关，则所述相似度比例系数为1。

具体地，所述结合所述相似度比例系数，以及所述第一相似度和所述第二相似度，获取所述第一论文和第二论文是否相似的检测结果具体为：

计算所述第一相似度和所述第二相似度的平均值，并计算所述平均值与所述相似度比例系数的乘积，得到所述第一论文和第二论文的最终相似度；

将所述最终相似度与预设相似度阈值进行比对，若所述最终相似度大于或者等于所述预设相似度阈值，则所述检测结果为所述第一论文和第二论文相似；若所述最终相似度小于所述预设相似度阈值，则所述检测结果为所述第一论文和第二论文不相似。

具体地，所述根据所述第一论文的短文本和所述第二论文的短文本，获取所述第一论文和第二论文的第一相似度具体为：