论文查重算法设计

判定规则是连续出现13个字符类似就判断为重复部分的标准计算论文重复率，论文的查重检测规则是通过查重检测系统算法将你的论文内容与数据库中系统的内容进行比较,以获得总的相似度,因此如果用户抄袭了他人的论文内容，在论文查重时，查重系统就会按照查重规则对论文进行检测，首先对论文内容进行分层处理，再将每一部分的内容和数据库收录的内容进行比对，并按查重规则计算重复内容的重复率，最后自动计算论文的总重复率并记录在论文查重报告单中。

论文查重简单来说就是将作者提交检测的论文与系统自身的数据库资源进行比对，最终查重系统自动生成一份查重报告，得出一个总体相似度，也就是我们常说的论文查重率。判定规则是连续出现13个字符类似就判断为重复部分的标准计算论文重复率。

总体相似度的计算方法是：论文中与数据库中相似的字数和论文的总检测字数的比值。查重系统首先将提交的论文通过换行符自动切分成段落；然后再按照段落中的标点提取段落中的句子；最后再进行逐句查重检测。目前，查重系统不会判定相似语义为重复，其相似度更多的是文字本身的比对，包括关键词以及这个关键词出现在句中的位置。

论文查重包括论文正文、原创说明、摘要、图标及公式说明、参考文献、附录、实验研究成果、结语、引言、专利、文献、注释，以及各种表格等等。大多数高校在每年毕业季时，都会统一发通知说明学校的毕业论文规范和查重说明，学校会统一下发论文样式等内容，一般会详细说明查重的范围。要是学校有具体的要求，那提交到学校的时候必须按照学校所要求的来。