查重几个字相同算重复

不是连续，是一句话中相同字符的比例达到一定比例就是重复了。论文查重也称之为论文检测，是一种为了应对学位论文学术不端和学术论文抄袭复制而推出的计算机软件系统。论文查重原理：论文查重系统是首先建立一套论文比对库；比对库里面包含学术期刊、学位论文、会议论文、专利全文、互联网网页内容和文档、外国语言论文库以及其他的未公开发表或已公开发表的论文。文档提交论文查重系统之后，放入比对库进行相似性检测，如果某一句、某段、或者整篇和对比库中的文章想似，就会视为重复。整篇文章比对完毕之后，会生成对应的比对文档，这个比对文档俗称论文查重检测报告，这个报告通常是网页在线格式或PDF格式，检测报告上会有查重相似的比例、重复的内容、重复内容的来源。论文查重系统看起来比较简单，其实需要强大的技术作为  支撑，包括资源采集技术，文本数据库加工技术，文本数据库技术, 数字资源版权保护技术, 知识挖掘技术, 自然语言处理技术、快速比对技术等。在海量的全文数据的基础上实现快速准确的检测，上述技术是基本的保证。另外，检测比对库里需要收录期刊、学位论文、会议论文、报纸、年鉴、工具书、专利、外文文献、学术文献引文等与科学研究、学习相关的主要资源，才可以支撑起一个论文查重检测系统。扩展资料论文检测服务也可以称为论文查重，是一种为了应对论文（包括学位论文、学术论文、发表论文、职称论文以及科研成果和学生作文）的学术不端行为（包括抄袭、剽窃、伪造、篡改、不当署名、一稿多投等行为）而推出的计算机软件检测系统。参考资料：百度百科论文检测服务

先按标题分段检测，然后按段落进行检测，一句话有8个连续字符重复就算是重复，一段话有13个字符重复就算是重复，记得是字符数。还有模糊匹配，一句话会先识别上下文，来判断是否重复。

知网判断重复的标准是连续13个字相似或抄袭都会被标红，但是需要满足一个前提条件：即你所引用或抄袭的A文献文字总和在你的各个检测段落中要达到5%。如果你有一处地方超过13个字与别的文章重复，知网检测系统的服务器都对这处地方的前后进行模糊搜索，那些仅仅是简单的加了一些“的”、“在……时”、“但是”等词语来隔断13个字多数情况是会检测出来的。这些模糊搜索有时候非常傻，可能会把一篇写如何养猪的文章跟你的那篇写建筑的文章关联到一起，说你涉嫌抄袭！当同学们将一篇论文提交到系统的时候，系统会对此论文进行分段、分句等处理，将这些论文片段和查重系统中的文献库做比对（不同的论文查重系统对于抄袭字的要求不同，有7-8个字，有12个字左右），将抄袭的论文内容进行标准，最后生成一份详细的论文查重报告。

可以用假设法来找正确答案，如果8个字连续才判定重复，那一般的伪原创工具完全可以让你蒙混过关了，应该是一句话相似度达到一定比率才会算重复的这样是最科学的。我之前在PaperPP上查论文的时候好像就是这样算的重复率。

各个平台都是不一样的，快捷论文查重中，知网系统来说，连续13字就算是重复的，其他的像维普万方查重系统可能字数要求不一样，但是原理都是一样的。

13个字连续 算重复 无视格式和标点符号，事实上对这个连续描述不准确 有时候中间隔1两个字也算。（1）知网查重时，黄色的文字是“引用”，红色的文章是“涉嫌剽窃”。（2）知网查重时，只查文字部分，“图”、“mathtype编辑的公式”、“word域代码”是不查的（要想知道知网到底查那些部分，可以“全选”——“复制”——“选择性粘贴”——“只保留文字”）。建议公式用mathtype编辑，不要用word自带的公式编辑器。（3）word、excel编辑的“表”是可以查出来的。在某些被逼无奈的情况下，可以选择把表截图放到论文里边去！作者亲眼见过有同学自己编的系数，查出来居然跟人家重了，数据决定了系数还不能变，欲哭无泪……（4）参考文献的引用也是要算重复率的（包括在学校要求的X%以内）！所以引用人家文献的时候最好用自己的话改写一下。

知网判断重复的标准是连续13个字相似或抄袭都会被标红，但是需要满足一个前提条件：即你所引用或抄袭的A文献文字总和在你的各个检测段落中要达到5%。如果你有一处地方超过13个字与别的文章重复，知网检测系统的服务器都对这处地方的前后进行模糊搜索，那些仅仅是简单的加了一些“的”、“在……时”、“但是”等词语来隔断13个字多数情况是会检测出来的。这些模糊搜索有时候非常傻，可能会把一篇写如何养猪的文章跟你的那篇写建筑的文章关联到一起，说你涉嫌抄袭！