經(jīng)過畢業(yè)前期，畢業(yè)論文書寫成為我們?cè)谛４髮W(xué)生頭等大事，每天埋頭苦寫，唯恐重復(fù)率過高。知道昨天顯示論文查重通過才算是送了口氣。
現(xiàn)在流行的相似度匹配系統(tǒng)大概有這么幾類學(xué)術(shù)不端網(wǎng)、中國知網(wǎng)、paperpass、及微中國知網(wǎng)等。這些系統(tǒng)的原理都是一樣的，都是把你提交的論文拆分成一堆句子，再拆分成一堆關(guān)鍵字，然后與他們維護(hù)的數(shù)據(jù)庫做對(duì)比，計(jì)算重復(fù)的文字在你文章里的比重，算法類似于百度的關(guān)鍵字匹配，這么說，大家也就明白了，你簡單地把一個(gè)句子的各別詞換成同意詞，把字句變被字句，加一兩個(gè)“的”等是不行的，除非你把句子40%的詞都換了。
略有不同的他們數(shù)據(jù)庫內(nèi)文獻(xiàn)的多少、查重的粒度及斷定為相似的閥值。數(shù)據(jù)庫的大小就不說了，那后兩個(gè)是什么呢？查重的粒度指可以被認(rèn)定為重復(fù)句的最小句長，舉個(gè)例子，現(xiàn)在的系統(tǒng)都把分號(hào)與句號(hào)當(dāng)作分句符，paperpass把這個(gè)最小句長設(shè)為8，這意味著小于8個(gè)字的句子無論怎樣都不會(huì)被認(rèn)為是重復(fù)的，因?yàn)槟銢]有到人家檢測(cè)的門檻。中國知網(wǎng)的好像是13。相似的閥值指和原文相似多少以上為重復(fù)，舉個(gè)例子，paperpass把你的文章中的文字分為三種綠色、橙色與紅色，分別表示該句與原文的重復(fù)度在40%以下、40%~60%、60%以上，除綠色以外其他部分都會(huì)被計(jì)算為相似度，而中國知網(wǎng)的閥值好像為60%，只會(huì)把你的文章中的句子分為兩類：重復(fù)與原創(chuàng)。同時(shí)，還要說明一下，這個(gè)閥值有可能不是固定的，一般系統(tǒng)會(huì)設(shè)一個(gè)重點(diǎn)檢查的論文，比如說，你抄文獻(xiàn)A的比較多，中國知網(wǎng)查出你的文章與A的重復(fù)度在5%以上，系統(tǒng)就會(huì)重點(diǎn)查A，如果你這句子與A有50%的相似也可能會(huì)判為重復(fù)。
我所理解的查重系統(tǒng)的大概原理也就這些了。下面介紹下我們常用的系統(tǒng)：中國知網(wǎng)與paperpass。中國知網(wǎng)是官方的系統(tǒng)，大部分學(xué)校用的都是中國知網(wǎng)，當(dāng)然我校也是；paperpass為一個(gè)公司開發(fā)的，因?yàn)椴僮鞣奖?、不太貴且非常嚴(yán)格，被我們廣泛使用，我個(gè)人只用過paperpass。因?yàn)?，只有校方的人有中國知網(wǎng)的入口，他們?cè)谔詫毶腺I，一次要300，而且經(jīng)常要改的話可能要檢數(shù)次，對(duì)學(xué)生是一筆很大的開銷。除此外，至于我為什么沒用中國知網(wǎng)查，還有個(gè)小故事，教研室和我一同改論文的一兄弟，paperpass改到了17%，用中國知網(wǎng)查了一個(gè)才0.7%，我這個(gè)18%也就非常放心了。
paperpass查一次是一萬字10元，我的正文純字?jǐn)?shù)3萬4，加標(biāo)點(diǎn)近4萬，檢一次40元。paperpass由于參數(shù)嚴(yán)格，所以結(jié)果會(huì)高于中國知網(wǎng)的，至于高多少這沒有準(zhǔn)。但使用paperpass時(shí)要注意的是，paperpass的數(shù)據(jù)庫并沒有中國知網(wǎng)全，他們自已也承認(rèn)，他們只保證有中國知網(wǎng)90%以上的文獻(xiàn)，那哪部分沒有呢？據(jù)我觀察是最新的沒有，paperpass是商業(yè)機(jī)構(gòu)，他們沒有中國知網(wǎng)的數(shù)據(jù)庫，他們數(shù)據(jù)的來源可想而知---買個(gè)中國知網(wǎng)的號(hào)，然后“扒”論文，類似于百度的人說我們的一大工作是“扒”網(wǎng)頁。所以最新的沒來的及入庫的，當(dāng)然也檢不到，不過還好的是，他有“自建庫”功能，如果你覺得你抄了某最新文獻(xiàn)B比較多了，但沒查出來，可以自已上傳。
同時(shí)，因?yàn)閜aperpass有時(shí)過于嚴(yán)格，會(huì)出現(xiàn)，你都已經(jīng)看不出改動(dòng)了，他還是橙色，比如我的18%、我兄弟的17%。這時(shí)就可以不改了，過尤不及，0.7也說不過去。
下面說下我的方法，這個(gè)網(wǎng)上都有，而且更全，我怕不過，但又不想在這上面費(fèi)更多的時(shí)間，就簡單地用了幾招:
1.盡量用長句，相當(dāng)于加大基數(shù)。
2.拼湊，不是把不同文獻(xiàn)的句子拼成一段，這樣沒用，而是把幾篇文章中的同一意思的幾個(gè)句子，拼成一句。
3.翻譯，翻譯國外的論文基本不會(huì)發(fā)生重復(fù)，而且從道義上講也是合理的，翻譯也是自己的工作，是為學(xué)術(shù)做了貢獻(xiàn)的。畢竟，那些評(píng)你論文的教授們也沒打算讓你有什么開創(chuàng)性的成果，有自己的工作就可以了。
4.看一遍原文用自己的話去闡述，這也是個(gè)好辦法，起碼自己是完全懂了的。
個(gè)人結(jié)合大眾的建議是選擇后兩種，因?yàn)椴橹叵到y(tǒng)不是為查重而查重的，所作的根本還是希望大學(xué)生們還是發(fā)揮自己的能力做原創(chuàng)作品，設(shè)計(jì)的原則是“可以放過一個(gè)壞人，但決不錯(cuò)怪一個(gè)好人”，只要是自已寫的或是翻譯的，通過就是小意思了。再或者說，我們的論文查重系統(tǒng)是讓我們大學(xué)生都具備基本的科研能力，自己完成任務(wù)還是收益頗豐的。在我們的學(xué)位沒問題的情況下還是多多保持原創(chuàng)吧！
