《在抄袭检测中的研究进展课件》由会员分享,可在线阅读,更多相关《在抄袭检测中的研究进展课件(47页珍藏版)》请在金锄头文库上搜索。
1、Heilongjiang Institute of TechnologyKong Leilei1抄袭检测Heilongjiang Institute of TechnologyKong Leilei2“I am translating the black and whiteimpressions into another language that of colour”黑龙江工程学院在抄袭检测中的研究进展 报告人:孔蕾蕾报告人简介黑黑龙江工程学院江工程学院计算机科学与技算机科学与技术学院信息管理学院信息管理与信息系与信息系统系副主任系副主任黑黑龙江工程学院云江工程学院云计算与大数据工程技算与大
2、数据工程技术中心成中心成员哈哈尔滨工程大学信息与通信工程工程大学信息与通信工程专业在在读博士博士5l黑龙江工程学院云计算与大数据工程技术中心简介l中心在抄袭检测上的最新进展l国内外研究现状l中心在PANCLEF 2012、2013上的成绩l黑龙江工程学院“鹰眼抄袭检测系统”介绍l“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能l未来的工作报告内容6l黑龙江工程学院云计算与大数据工程技术中心简介l中心在抄袭检测上的最新进展l国内外研究现状l中心在PANCLEF 2012、2013上的成绩l黑龙江工程学院“鹰眼抄袭检测系统”介绍l“鹰眼抄袭检测系统”在PANCLEF 2012、20
3、13上的性能l未来的工作报告内容工程技术中心简介工程技术中心简介l2012年成立,学校投入150万元进行了环境改造、设备更新l其前身是2007年成立的校自然语言处理实验室l主要研究人员l齐浩亮,教授,博士,中心主任l韩中元,副教授,在读博士,软件工程系副主任l安波,副教授,计算机科学与技术系主任l王亚东,副教授,物联网系(筹)主任l李军,副教授,软件工程系主任l孔蕾蕾,讲师,在读博士,信息管理与信息系统系副主任研究方向信息信息检索检索信息信息过滤过滤抄袭抄袭检测检测 云 计 算大数据大数据处理处理中心主任简介齐浩亮,1972年2月生,博士,教授校自然语言处理实验室主任、计算机应用技术研究所所长
4、中国中文信息学会,理事中国中文信息学会国际专委会,委员中国中文信息学会社会媒体处理专委会,委员YOCSEF(中国计算机学会青年论坛)哈尔滨2009、2010、2011,副主席黑龙江省首届教学新秀2008年获“黑龙江省杰出(优秀)青年科技创新奖”近期通过了龙江学者初评承担的国家自然科学基金项目承担的国家自然科学基金项目项目目类型型项目名称目名称主持国家自然科学基金面上项目基于双语文档反馈的跨语言信息检索研究国家自然科学基金国际合作项目亚洲语言处理国际会议2010参与国家自然科学基金青年项目面向垃圾邮件过滤的优化目标、建模及顺序回归研究国家自然科学基金面上项目基于用户反馈的多策略翻译在线融合研究国
5、家自然科学基金重点项目下一代信息检索研究主要评测成绩评测名称名称任任务名称名称评测成成绩说明明TREC 2012微博检索微博过滤第一哈工大是参赛队,中心主任齐浩亮教授作为指导教师参与了该项目,中心的韩中元老师作为哈工大的在读博士生参与了该项目CLEF2012/2013抄袭检测第一2012详细比对任务/2013高模糊抄袭、翻译抄袭SEWM 2012/2011/2009/2008垃圾邮件过滤第一CEAS 08垃圾邮件过滤主动学习第一 微软主办12l黑龙江工程学院云计算与大数据工程技术中心简介l中心在抄袭检测上的最新进展l国内外研究现状l中心在PANCLEF 2012、2013上的成绩l黑龙江工程学
6、院“鹰眼抄袭检测系统”介绍l“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能l未来的工作报告内容13l黑龙江工程学院云计算与大数据工程技术中心简介l中心在抄袭检测上的最新进展l国内外研究现状l中心在PANCLEF 2012、2013上的成绩l黑龙江工程学院“鹰眼抄袭检测系统”介绍l“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能l未来工作报告内容Heilongjiang Institute of TechnologyKong Leilei14国内外研究现状l抄袭的一般模式抄袭的一般模式2012-10-9Heilongjiang Institute of Tech
7、nologyKong Leilei15国内外研究现状l抄袭检测:术语抄袭检测:术语抄袭抄袭,一般理解为将他人作品的全部或部分,以或多或少改变形式或内容的方式,当作自己的作品发表1。剽窃剽窃,主要指将他人的语言文字或研究观点当作自己的成果而不加引用的公开发表2。抄袭检测抄袭检测,定义s=(splg, dplg,ssrc,dsrc),其中,splg为文档dplg中的一段,splg抄袭了文档dsrc中的某个段ssrc。定义r=(rplg, dplg, rsrc, dsrc),如果splgrplg, ssrcrsrc, dsrcdsrc,则称r检测出了s,这个过程称为抄袭检测2。1世界知识产权组织,版
8、权和邻接权法律术语词汇,1980.2Martin Potthast, Andreas Eiselt, Alberto Barrn Cedeo, Benno Stein1, and Paolo Rosso2. Overview of the 3rd International Competition on Plagiarism Detection. Overview for PAN at CLEF 2011. Heilongjiang Institute of TechnologyKong Leilei16国内外研究现状l目前,文本抄袭检测的研究主要分为两类:内部抄袭检测内部抄袭检测外部抄袭检测
9、外部抄袭检测Heilongjiang Institute of TechnologyKong Leilei17l内部抄袭检测内部抄袭检测给定一篇文章,在不借助任何外界参考资料的情况下(假设参考资料集合不能预先获得或不能自由获取),判定该文章是否抄袭、剽窃或复制于一篇或多篇文章的内容。写作风格模型、异常值检测算法等为主流方法。国内外研究现状Heilongjiang Institute of TechnologyKong Leilei18l外部抄袭检测外部抄袭检测外部抄袭检测假定存在一个封闭的参考资料集合,在此前提下,给定一篇待检测文本,从参考文档集合中检索与待检测文本相似度超过一定阈值的文本。
10、国内外研究现状Heilongjiang Institute of TechnologyKong Leilei19l抄袭的分类:简单抄袭和高模糊度的抄袭3简单抄袭简单抄袭:原文复制、近似复制、修改复制。高模糊度的抄袭高模糊度的抄袭:意译抄袭、总结抄袭、翻译抄袭、观点抄袭。国内外研究现状3 Salha M. Alzahrani, Naomie Salim, Ajith Abraham. Understanding Plagiarism Linguistic Patterns, Textual Features, and Detection Methods. IEEE TRANSACTIONS ON
11、 SYSTEMS, MAN, AND CYBERNETICSPART C: APPLICATIONS AND REVIEWS, VOL. 42, NO. 2, MARCH 2012.Heilongjiang Institute of TechnologyKong Leilei20l简单抄袭国内外研究现状Heilongjiang Institute of TechnologyKong Leilei21l意译(paraphrasing)抄袭国内外研究现状Heilongjiang Institute of TechnologyKong Leilei22l总结抄袭国内外研究现状Heilongjiang
12、 Institute of TechnologyKong Leilei23l翻译抄袭国内外研究现状Heilongjiang Institute of TechnologyKong Leilei24l学术论文的观点(idea)抄袭国内外研究现状Heilongjiang Institute of TechnologyKong Leilei25l抄袭检测常用的文本特征词汇特征句法特征语义特征结构特征国内外研究现状Heilongjiang Institute of TechnologyKong Leilei26lPANCLEF 抄袭检测评测CLEF(Cross-Language Evaluation
13、Forum):是在欧盟数字图书馆计划支持下举办的跨语言信息检索开放评测平台。CLEF于2000年开始举办,现已成为最著名的国际信息检索评测会议之一。PAN(Plagiarism detection, Author identification, Author Profiling)致力于抄袭检测算法的评估2010年加入CLEF国内外研究现状Heilongjiang Institute of TechnologyKong Leilei27lPAN近4年在抄袭检测方面的评测任务备选文档检索备选文档检索详细比对详细比对内部抄袭检测内部抄袭检测外部抄袭检测外部抄袭检测201020112012源检索源检索
14、文本对齐文本对齐2013内部抄袭检测内部抄袭检测外部抄袭检测外部抄袭检测国内外研究现状Heilongjiang Institute of TechnologyKong Leilei28l源检索 提交的查询数目需要下载的网页数目 精确率和召回率找到第一个抄袭源时提交的查询的数目找到第一个抄袭源时下载的网页的数目抄袭源在检索结果中的排序l文本对齐召回率精确率granplagdetPANCLEF 抄袭检测评估方法29l黑龙江工程学院云计算与大数据工程技术中心简介l中心在抄袭检测上的最新进展l国内外研究现状l中心在PANCLEF 2012、2013上的成绩l黑龙江工程学院“鹰眼抄袭检测系统”介绍l“鹰
15、眼抄袭检测系统”在PANCLEF 2012、2013上的性能l未来工作报告内容Heilongjiang Institute of TechnologyKong Leilei30lPANCLEF2012详细比对子任务第一名lPANCLEF2013文本对齐高模糊抄袭检测第一名文本对齐翻译抄袭检测第一名源检索任务:召回率及找到第一个抄袭源时提交的查询的数目两个指标上第一名中心在PANCLEF4 http:/pan.webis.de31l黑龙江工程学院云计算与大数据工程技术中心简介l中心在抄袭检测上的最新进展l国内外研究现状l中心在PANCLEF 2012、2013上的成绩l黑龙江工程学院“鹰眼抄袭检
16、测系统”介绍l“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能l未来工作报告内容Heilongjiang Institute of TechnologyKong Leilei32源检索源检索备选备选文档集文档集可详可详 疑细疑细 片信片信 段息段息 文档集合文档集合待检测待检测文档文档海量网海量网络资源络资源系统处理过程框架文本对齐文本对齐Heilongjiang Institute of TechnologyKong Leilei33源检索源检索备选备选文档集文档集可详可详 疑细疑细 片信片信 段息段息 文档集合文档集合待检测待检测文档文档海量网海量网络资源络资源系统处理过程
17、框架文本对齐文本对齐Heilongjiang Institute of TechnologyKong Leilei34l在源检索中多种可疑文档查询关键词提取方法查询关键词的排序备选文档的筛选系统处理过程框架Heilongjiang Institute of TechnologyKong Leilei35源检索源检索备选备选文档集文档集可详可详 疑细疑细 片信片信 段息段息 文档集合文档集合待检测待检测文档文档海量网海量网络资源络资源系统处理过程框架文本对齐文本对齐Heilongjiang Institute of TechnologyKong Leilei36在文本对齐中:匹配与合并匹配匹配预
18、处理预处理合并合并系统处理过程框架Heilongjiang Institute of TechnologyKong Leilei37匹配匹配预处理预处理合并合并双向交替合并算法双向交替合并算法(Bilateral Alternating Merging Arithmetic)基于图的最大联通路径基于图的最大联通路径系统处理过程框架在文本对齐中:匹配与合并38l黑龙江工程学院云计算与大数据工程技术中心简介l中心在抄袭检测上的最新进展l国内外研究现状l中心在PANCLEF 2012、2013上的成绩l黑龙江工程学院“鹰眼抄袭检测系统”介绍l“鹰眼抄袭检测系统”在PANCLEF 2012、2013上
19、的性能l未来的工作报告内容Heilongjiang Institute of TechnologyKong Leilei39“鹰眼抄袭检测系统”在 PANCLEF2012l子任务: 备选文档检索44 http:/pan.webis.deHeilongjiang Institute of TechnologyKong Leilei40l子任务: 详细比对44 http:/pan.webis.de“鹰眼抄袭检测系统”在 PANCLEF2012Heilongjiang Institute of TechnologyKong Leilei41l子任务: 文本对齐高模糊抄袭的检测44 http:/pan
20、.webis.de“鹰眼抄袭检测系统”在 PANCLEF2013Heilongjiang Institute of TechnologyKong Leilei42l子任务: 文本对齐翻译抄袭的检测44 http:/pan.webis.de“鹰眼抄袭检测系统”在 PANCLEF2013Heilongjiang Institute of TechnologyKong Leilei43l子任务: 源检索44 http:/pan.webis.de“鹰眼抄袭检测系统”在 PANCLEF2013评测指指标结果果提交的查询数目 48.5召回率 0.65找到第一个抄袭源时提交的查询的数目 2.46抄袭源在检索
21、结果中的排序344l黑龙江工程学院云计算与大数据工程技术中心简介l中心在抄袭检测上的最新进展l国内外研究现状l中心在PANCLEF 2012、2013上的成绩l黑龙江工程学院“鹰眼抄袭检测系统”介绍l“鹰眼抄袭检测系统”在PANCLEF 2012、2013上的性能l未来的工作报告内容Heilongjiang Institute of TechnologyKong Leilei45基于多特征融合的抄袭检测文本对齐跨语言抄袭检测中文抄袭检测系统的研究与开发未来的工作未来的工作Heilongjiang Institute of TechnologyKong Leilei46处于跨越式发展阶段的工程技术中心迫切渴望优秀人才加盟!提供不低于学校公开招聘的待遇(包括科项目配套费1:1、周转房、配偶工作、安家费、科研启动费、工作条件等)。期待您的加入期待您的加入凝练特色,一流成果凝练特色,一流成果协同创新,服务社会协同创新,服务社会