硕士论文查重软件原理

因为我不是什么内部人事，所以以下的内容都是我在改论文过程中的一些推断。
现在流行的相似度匹配系统大概有这么几类：知网、paperpass、维普及万方等。
这些系统的原理都是一样的，都是把你提交的论文拆分成一堆句子，再拆分成一堆关键字，然后与他们维护的数据库做对比，计算重复的文字在你文章里的比重，算法类似于百度的关键字匹配，这么说，大家也就明白了，你简单地把一个句子的各别词换成同意词，把字句变被字句，加一两个“的”等是不行的，除非你把句子40%的词都换了。
略有不同的他们数据库内文献的多少、查重的粒度及断定为相似的阀值。数据库的大小就不说了，那后两个是什么呢？
查重的粒度指可以被认定为重复句的最小句长，举个例子，现在的系统都把分号与句号当作分句符，paperpass把这个最小句长设为8，这意味着小于8个字的句子无论怎样都不会被认为是重复的，因为你没有到人家检测的门槛。知网的好像是13。
相似的阀值指和原文相似多少以上为重复，举个例子，paperpass把你的文章中的文字分为三种绿色、橙色与红色，分别表示该句与原文的重复度在40%以下、40%~60%、60%以上，除绿色以外其他部分都会被计算为相似度，而知网的阀值好像为60%，只会把你的文章中的句子分为两类：重复与原创。同时，还要说明一下，这个阀值有可能不是固定的，一般系统会设一个重点检查的论文，比如说，你抄文献A的比较多，知网查出你的文章与A的重复度在5%以上，系统就会重点查A，如果你这句子与A有50%的相似也可能会判为重复。
我所理解的查重系统的大概原理也就这些了。下面介绍下我们常用的系统：知网与paperpass。知网是官方的系统，大部分学校用的都是知网，当然我校也是；paperpass为一个公司开发的，因为操作方便、不太贵且非常严格，被我们广泛使用，我个人只用过paperpass。因为，只有校方的人有知网的入口，他们在淘宝上买，一次要300，而且经常要改的话可能要检数次，对学生是一笔很大的开销。除此外，至于我为什么没用知网查，还有个小故事，教研室和我一同改论文的一兄弟，paperpass改到了17%，用知网查了一个才0.7%，我这个18%也就非常放心了。
paperpass查一次是一万字10元，我的正文纯字数3万4，加标点近4万，检一次40元。paperpass由于参数严格，所以结果会高于知网的，至于高多少这没有准。但使用paperpass时要注意的是，paperpass的数据库并没有知网全，他们自已也承认，他们只保证有知网90%以上的文献，那哪部分没有呢？据我观察是最新的没有，paperpass是商业机构，他们没有知网的数据库，他们数据的来源可想而知---买个知网的号，然后“扒”论文，类似于百度的人说我们的一大工作是“扒”网页。所以最新的没来的及入库的，当然也检不到，不过还好的是，他有“自建库”功能，如果你觉得你抄了某最新文献B比较多了，但没查出来，可以自已上传。
同时，因为paperpass有时过于严格，会出现，你都已经看不出改动了，他还是橙色，比如我的18%、我兄弟的17%。这时就可以不改了，过尤不及，0.7也说不过去。
下面说下我的方法，这个网上都有，而且更全，我怕不过，但又不想在这上面费更多的时间，就简单地用了几招:
1.尽量用长句，相当于加大基数。
2.拼凑，不是把不同文献的句子拼成一段，这样没用，而是把几篇文章中的同一意思的几个句子，拼成一句。
3.翻译，翻译国外的论文基本不会发生重复，而且从道义上讲也是合理的，翻译也是自己的工作，是为学术做了贡献的。毕竟，那些评你论文的教授们也没打算让你有什么开创性的成果，有自己的工作就可以了。
4.看一遍原文用自己的话去阐述，这也是个好办法，起码自己是完全懂了的。
个人建议用后两种，论文查重系统的设计不是为了查重而查重的，设计的初衷还是希望小硕们尽量原创，设计的原则是“可以放过一个坏人，但决不错怪一个好人”，只要是自已写的或是翻译的，通过就是小意思了。再指说，硕士论文的目的就是让人具有基本的研究能力，好好做还是收获颇丰的。在学位没问题的前题下，还是自已多多原创吧！