4.3 Обзор программ поиска плагиата в произвольных текстах
Обзор программ поиска плагиата в произвольных текстах[17]:
Advego Plagiatus – программа для проверки текста на уникальность, осуществляет поиск в internet частичных или полных копий текста документа. Программа показывает степень уникальности текста в процентном соотношении, так же указывает источники не уникального текста, позволяет проверять текст на уникальность указанного URL. Программа требует установки на компьютер.
Praide unique content analyzer – программа для проверки уникальности контента. Требует установки. Параметры разбора позволяют изменять количество слов и фрагментах, количество слов перекрытия.
Double Content Finder – небольшая программа проверки текста на уникальность.
CopyCatch Gold (http://www.copycatchgold.com) [48]. CopyCatch Gold была разработана программистом британской фирмы CFL Software Дэвидом Вулсом. В этой программе контролю прежде всего подвергается сам текст. Программа анализирует длину предложений, частоту использованных слов разного типа, частоту употребления придаточных предложений и пытается найти стилистические сбои. CopyCatch Gold — это программа, а не сервис. Работает она с большинством популярных форматов и обеспечивает высокую степень точности при поиске материалов с общими разделами. Программа существует в двух модификациях: CopyChecker — средство самоконтроля студентов и CopyCatch Investigator — инструмент для издательского бизнеса. CopyChecker служит для защиты от непреднамеренного плагиата. Программа позволяет проверить текст и подсказывает, как избежать плагиата (рисунок 9).
Рисунок 9 Интерфейс CopyChecker
CopyCatch Investigator предназначена для поиска плагиата в издательском бизнесе. Она сравнивает новую работу автора с его предыдущими публикациями, а также осуществляет контроль дублирования внешних публикаций.
Описание используемых методов поиска плагиата в исходных кодах и произвольных текстах
5.1 Общая схема поиска
Основная идея поиска плагиата в работе – это использование взаимодополняющих методов поиска, применяемых как к произвольным текстам, так и только для исходных кодов.
5.1.1 Cхема поиска для исходных кодов
Процесс выделения основных характеристик – это введение представления, то есть из модели, с большим количеством избыточной информации, переходим в более компактную модель, где незначимая информация удалена (нормализация). Обычно в процессе нормализации все слова разделяются только одним пробелом, и все буквы приводятся к единому регистру (см. пример 1).
Выбирая разные представления, выбираются характеристики, которые для данного случая являются основными и оставляют их. После этого вводим функцию близости (метрику), чтобы определить, какие характеристики из оставшихся являются более, а какие менее значимы. То, какие характеристики являются основными – это вопрос подхода, вопрос понимания плагиата. Метрики должны представлять такие характеристики, которые достаточно трудно изменить, пытаясь замаскировать копию. Должны быть устойчивы к незначительным изменениям исходного кода. Должно быть возможно просто сравнивать, используя эти метрики. И должны быть достаточно общими (чтобы быть применимыми к достаточно широкому ряду языков программирования).