همترازي متون با استفاده از روش تركيبي مبتني بر ساختار و معنا در كار تشخيص سرقت علمي-ادبي

تشخیص سرقت علمی- ادبی به فرآیندي گفته میشود كه در آن به دنبال كشف منابع براي اسناد مشكوك به سرقت یا همان وظیفه بازیابی منبع كه میتواند منابع گسترده وب باشد و همچنین یافتن عبارات سرقتی در متن مشكوك به سرقت و متن منبع بالقوه اش كه وظیفه همترازي متون نامیده میشود ، هستیم. كار این مقاله در راستاي وظیفه همترازي متون انجام شده است ، یعنی به دنبال این هستیم كه پس از یافتن زیر مجموعه اي از منابع كه احتمالا منبع سرقت سند مشكوك بوده اند ، قسمت هاي سرقت شده را به صورت جزیی بازیابی كنیم. در روش پیشنهادي ما از دو روش تشخیص ساختاري و معنایی براي كشف عبارات سرقتی در متن استفاده شده است ، به این منظور ابتدا با توجه به شباهت ظاهري جملات مشكوك در مقابل عبارات منبع تعیین میكنیم كه از كدام روش تشخیصی باید براي هر جمله و پاراگراف معادلش استفاده شود و سپس براي مقایسه ساختاري از استخراج ویژگی هاي مشترك استفاده میكنیم و براي مقایسه معنایی با استفاده از پایگاه دانش وردنت، مقدار شباهت معنایی جملات تحت حالتی مابین خوش بینانه و سخت گیرانه محاسبه میشود ، ارزیابی كارایی روش پیشنهادي ما روي مجموعه داده هاي رقابت جهانی پن كه در زمینه سرقت علمی- ادبی است بررسی شده است و در نهایت خروجی كار ما بخشهاي سرقت شده از سند مشكوك و بخش هاي منبع متناظر آن با پوشش قابل قبولی از سطح سرقت مستقیم تا مبهم خواهد بود.