反剽竊系統(tǒng)是通過比對(duì)源文檔和目標(biāo)文檔相似性給出相似度結(jié)果的一種信息處理系統(tǒng)。由武漢大學(xué)信息管理學(xué)院出版科學(xué)系教師沈陽副教授研發(fā)的ROST文檔相似性檢測(cè)工具（為避免太敏感有時(shí)也叫相關(guān)性檢測(cè)工具）可有效檢測(cè)論文的抄襲相似情況，經(jīng)過六年的研發(fā)（早期版本叫做網(wǎng)盜克星），終于推出了6.0版本，在定版過程中得到了武漢大學(xué)多位專家教授的寶貴意見。目前已投入約20余家單位測(cè)試和使用，反應(yīng)良好，一定程度杜絕了有抄襲可能的論文發(fā)表問世。相似軟件版本說明軟件地址小螞蟻教學(xué)助手1.0.9 中文版查看學(xué)生評(píng)語2020.01.01 電腦版查看優(yōu)課助手3.2.1 最新版查看學(xué)而思小班課1.0.2.367 最新版查看360分屏大師5.1.2.0823 最新版查看

功能介紹

rostcm主要包括三個(gè)部分：全網(wǎng)檢索、本地文獻(xiàn)庫(kù)對(duì)比和少量文獻(xiàn)對(duì)比。 軟件欄目有聊天分析、全網(wǎng)分析、網(wǎng)站分析、瀏覽分析、微博分析和期刊分析。 通過這套系統(tǒng)，我們能夠判斷論文是否是抄襲的。在分析論文是否抄襲部分，還可以進(jìn)行功能性分析（字頻分析、英文詞頻分析、中文詞頻分析、社會(huì)網(wǎng)絡(luò)和語義網(wǎng)絡(luò)分析、情感分析、流量分析、TF/IDF批量詞頻分析、相似分析），從而讓剽竊的論文無處藏身。

基本原理：

反剽竊軟件自動(dòng)將文檔切割為多個(gè)50到200字（可自定義）的小文本，通過混合引擎將其與188億個(gè)網(wǎng)頁和490萬篇文獻(xiàn)進(jìn)行模糊匹配，標(biāo)示出每個(gè)文本塊與文獻(xiàn)庫(kù)中的某些文獻(xiàn)的最大相似度。由此軟件統(tǒng)計(jì)出相似度≥95%（基本原封不動(dòng)抄襲）與相似度≥80%（略作修改后抄襲）的字?jǐn)?shù)所占總字?jǐn)?shù)比例。我們把這個(gè)比例作為剽竊(相似)程度衡量指標(biāo)。 系統(tǒng)需要XP系統(tǒng)，word2003環(huán)境。 優(yōu)點(diǎn) 覆蓋面廣，通過混合引擎覆蓋約188億個(gè)網(wǎng)頁和490萬篇論文。系統(tǒng)采用自研的ROST WebSpider和ROST SEAT算法實(shí)現(xiàn)了對(duì)互聯(lián)網(wǎng)和部分期刊網(wǎng)的廣度覆蓋。 模糊檢測(cè)，柔性匹配，為防止抄襲者替換部分字符，刪除部分標(biāo)點(diǎn)符號(hào)，系統(tǒng)通過相似度來進(jìn)行判定。系統(tǒng)采用自研的ROST Similar算法實(shí)現(xiàn)高速相似性檢測(cè)和度量。系統(tǒng)采用自研的QingQing算法提取信息指紋，在P3、512MBPC上，分詞速度為13MB/S，已在互聯(lián)網(wǎng)提供評(píng)測(cè)版供業(yè)內(nèi)評(píng)測(cè)。 本軟件檢測(cè)結(jié)果只能作為一個(gè)參考，可以使用表格右鍵導(dǎo)出詳細(xì)檢查結(jié)果發(fā)送給被檢查本人，本軟件不對(duì)是否剽竊做結(jié)論，只是告訴你與現(xiàn)存文獻(xiàn)相似度高于80%的文字比例所占文章總數(shù)比例是多少。高于80%相似度的文字才是需要關(guān)注的。低于此值可以完全無視。 規(guī)范引文及參考文獻(xiàn)去除，降低誤判可能性。 自定義分塊檢測(cè)機(jī)制，將文章的每一文本塊與其他文檔的相似度都精確的表示出來了，每一文本塊約為50字至200字不等（可自定義），以紅色表示極度相似（相似度大于80%），一目了然，清晰醒目。當(dāng)設(shè)為50個(gè)字一塊時(shí)，可以在較低信息粒度上查找出可能抄襲或相似的文獻(xiàn)。 相似文檔模塊跟蹤技術(shù)，可以通過簡(jiǎn)單操作直接定位相似文檔中哪些內(nèi)容被抄襲或者拷貝，直觀明了。 結(jié)果分析功能，自動(dòng)分析文檔相似結(jié)果，給出評(píng)價(jià)意見。 多種文件格式支持，包括PDF、DOC、PPT、XLS、TXT等文檔。 專有數(shù)據(jù)文件保存，不用反復(fù)檢測(cè)，浪費(fèi)時(shí)間。 缺點(diǎn) 本反剽竊系統(tǒng)不能覆蓋世界上所有中英文文獻(xiàn)，關(guān)于覆蓋率與查全率的相關(guān)性問題，正在研究中。 檢測(cè)時(shí)間略長(zhǎng)，本軟件每檢測(cè)200字需要7秒鐘，一篇8000字的文檔至少耗費(fèi)約5分鐘，需要一點(diǎn)點(diǎn)耐心。 本軟件檢測(cè)結(jié)果存在一個(gè)小的誤差，用更小的文檔塊進(jìn)行檢測(cè)，可以減少誤差，但需要的時(shí)間會(huì)相應(yīng)增加，經(jīng)過我們?cè)诙嗉揖庉嫴康脑囉们闆r，塊數(shù)大小定為200字較為合適，此時(shí)誤差率也是可以接受的，文檔相似率一般是比實(shí)際的要低。