怎么检查两篇文章的相似度

怎么检查两篇文章的相似度

论文重复率的高低直接影响到学校的论文通过情况，尽管每个学校论文重复率的要求不同，但有一点是肯定的，即论文重复率越低越好，论文的重复性也就是检测论文的相似度，如果论文内容和收录的论文相似度较高，就会有抄袭的嫌疑。近些年来，各学校对论文抄袭问题的重视程度越来越高，论文检测不通过就可能拿不到毕业证。那么怎么检测论文相似度？

1、选择论文检测系统

网上查找论文检测系统，选口碑好的，专业的论文检测系统，或者还可以咨询前学长学姐，他们用哪种论文检测系统，去参考他们给到的建议去选择系统。

2、注册账号

登录官网网站，注册帐号，登录账号进入论文检测中心，有的论文检测系统需要提前下载，按着系统说明首先下载系统，然后注册账号登录。

3、提交论文

登录账号后，找到提交论文的位置，将自己的论文复制或直接以文档形式提交论文。如果是收费论文检测系统，则需要在充值中心先进行充值。

4、查看论文检测报告

你提交论文10分钟后，论文检测系统一般会出一份论文检测报告。找到论文检测中心，找到论文检测报告，点击访问，查看检测报告。首先看检测相似度是否达到学校要求，如对学校的要求较高，再看标红字体修改建议，对标红字体内容进行关键字替换，改变句式等方式修改调整。

5、修改论文再次检测

修正后的论文经调整后，重新提交论文，再次进行检测，直至论文检测的相似性达到学校要求。

如何查论文相似度, 抄袭率

目前，高校对于硕博士论文,需要通过抄袭检测系统的检测才能算过关。对本科生来说，大部分学校也采取抽查的方式对本科论文进行检测。

抄袭过多，一经查出超过20%,后果严重。轻者延期毕业，重者取消学位。尼玛辛辛苦苦读个大学，学位报销了多不爽。

但是，软件毕竟是人工设置的一种机制，里面内嵌了检测算法，我们只要摸清其中的机理，通过简单的修改，就能成功通过检测。

本文是在网络收集的资料。整理了最重要的部分，供大家参考。

论文抄袭检测算法：

1.论文的段落与格式

论文检测基本都是整篇文章上传，上传后，论文检测软件首先进行部分划分，上交的最终稿件格式对抄袭率有很大影响。不同段落的划分可能造成几十个字的小段落检测不出来。因此，我们可以通过划分多的小段落来降低抄袭率。

2.数据库

论文检测，多半是针对已发表的毕业论文，期刊文章，还有会议论文进行匹配的，有的数据库也包含了网络的一些文章。这里给大家透露下，很多书籍是没有包含在检测数据库中的。之前朋友从一本研究性的著作中摘抄了大量文字，也没被查出来。就能看出，这个方法还是有效果的。

3.章节变换

很多同学改变了章节的顺序，或者从不同的文章中抽取不同的章节拼接而成的文章，对抄袭检测的结果影响几乎为零。所以论文抄袭检测大师建议大家不要以为抄袭了几篇文章，或者几十篇文章就能过关。

4.标注参考文献

参考别人的文章和抄袭别人的文章在检测软件中是如何界定的。其实很简单，我们的论文中加了参考文献的引用符号，但是在抄袭检测软件中。都是统一看待，软件的阀值一般设定为1%，例如一篇文章有5000字,文章的1%就是50字，如果抄袭了多于50，即使加了参考文献，也会被判定为抄袭。

5.字数匹配

论文抄袭检测系统相对比较严格，只要多于20单位的字数匹配一致，就被认定为抄袭，但是前提是满足第4点，参考文献的标注。

论文抄袭修改方法：

首先是词语变化。文章中的专业词汇可以保留，尽量变换同义词；

其次，改变文中的描述方式，例如倒装句、被动句、主动句；打乱段落的顺序，抄袭原文时分割段落，并重组。

通过上述方法，能有效降低抄袭率。

下面举几个例子，大家可以参考下：

例句A：

本文以设备利用率最大化为目标函数,采用整数编码与实数编码相结合的遗传算法,研究了HFS的构建问题。本文提出的染色体编码方法及相应的遗传操作方法可实现研究对象的全局随机寻优。通过对car系列标准算例的研究,显示了本文提出方法具有较高的计算重复性和计算效率。

修改A：

本文研究了HFS问题的构建，通过遗传算法并结合整数与实数编码，目标函数为最大化设备利用率来求解。本文的染色体编码方法与对应的遗传算法操作可有效提高算法的全局搜索能力。通过对一些列基准算例的研究，验证了本文算法的有效性，并具有较高的计算重复性和较高的运算效率。

例句B：

由于房地产商品的地域性强，房地产开发企业在进行不同区域投资时，通常需要建立项目公司，此时就会面临建立分公司还是子公司的选择。子公司是一个独立的法人，而分公司则不是独立法人，它们在税收利益方面存在差异。子公司是独立法人，在设立区域被视为纳税人，通常要承担与该区域其它公司一样的全面纳税义务；分公司不是独立的法人实体，在设立分公司的所在区域不被视为纳税人，只承担有限的纳税义务，分公司发生的利润与亏损要与总公司合并计算。

修改B：

房地产开发企业在不同区域进行投资时，由于此类商品的地域性强，因此需要建立项目公司。此时，企业需要选择建立分公司还是子公司。主要的区别是子公司具有独立的法人，分公司则不是独立法人。其次，在税收利益方面，由于分公司不是独立的法人实体，在设立分公司的所在区域不被视为纳税人，只承担纳税义务，总公司需要合并计算分公司的利润与亏损；而子公司是独立法人，在所在区域被视为法人实体，需要承担与区域其他公司一样的全面纳税义务。

修改抄袭的方法不外乎这些，这里更建议同学们，先熟悉你所看的参考论文，关闭文档，用自己的话写出来，这样就不会受参考文献的太多影响。

有同学这里就提出问题了，学校用的检测系统是知网的学术不端检测系统，不是淘宝几元钱买的万方数据检测。

其实，各个检测系统的算法区别并不大，只是数据库有多有少，如果你没有太多，什么系统都不用怕。既然你抄了，得到检测报告的同时，先好好修改自己的文章。

如何用爬虫比较两篇文章相似度

用爬虫比较两篇文章相似度的基本方法是：抽取网页新闻中的关键词，接着将关键词向量化，然后将得到的各个词向量相加，最后得到的一个词向量总和代表网页新闻的向量化表示，利用这个总的向量计算网页相似度。包括的步骤是：1）关键词提取，2）关键词向量化，3）相似度计算。