تشخيص سرقت ادبي در متون علمي مبتني بر بلوك‌بندي متن و معيار مشابهت كسينوسي

در دهه اخير با گسترش دسترسي به شبكه جهاني اينترنت، سرعت و سهولت در دسترسي به ايده‌ها، مستندات، مقالات، دست نوشته‌ها و داده‌هاي جمع‌آوري شده توسط ديگران افزايش يافته است. اين موضوع باعث شده است كه تبادل اطلاعات و افكار بين محققين و توليدكنندگان علوم آسان‌تر شود، اما در مقابل باعث آسان شدن اعمال رونوشت غيرمجاز، خلاصه نويسي بدون ذكر منبع و در كل سرقت متون ادبي شده است. از آنجايي كه دانشگاه‌ها و مراكز آموزشي، منابع علمي و پژوهشي را با سهولت در دسترس اغلب كاربران قرار مي‌دهند، تشخيص ميزان اصالت متون علمي در اين مراكز مهم‌تر و بالطبع آن از حساسيت بيشتري برخوردار است. در اين پژوهش روشي ارائه شده تا با استفاده از بلاك‌بندي قطعات اسناد، مقايسه بين قطعات مرتبط انجام شود. در روش پيشنهادي پس از دسته‌بندي اسناد به دو دسته اسناد اصلي و اسناد مشكوك، پيش‌پردازشي با هدف حذف ايست واژه‌ها و جمله‌بندي جديد صورت پذيرفته است. سپس اسناد قطعه‌بندي شده و با استفاده از شباهت كسينوسي، ميزان شباهت متون با يكديگر تعيين شده است. روش پيشنهادي در آزمون 50 سند موجود در مجموعه داده‌ها، دقت 94 درصدي را كسب كرده كه به نسبت به يكي از روش‌هاي مشابه بهبود 2 درصدي داشته است.