基于语言模型和特征分类的抄袭判定

摘要：

信息时代作者版权的保护问题已受到越来越多的关注.针对部分小说存在的文本大面积相似问题,提出基于语言模型和特征分类的方法.统计文本二元～六元的语言模型并且绘制拓扑图,通过计算重合概率和词性比来分析词语的重合程度和语法信息,在此基础上利用主成分分析和随机森林的方法,进行分类判别.机器学习的结果表明,该方法能够有效地鉴别小说是否存在抄袭现象.

关键词：抄袭判定、语言模型、语法信息、主成分分析、随机森林、分类

所属期刊栏目：39

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目"基于语用信息的交互行为与语言特征的建模研究"61171114

在线出版日期：2013-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：230-234