طراحي سامانه تشخيص دستبرد ادبي جمله بنياد در متون فارسي به كمك هم جوشي گواه ها

در حال حاضر، افراد به راحتي مي توانند سند جديدي را با رونوشت برداري از منابع وسيع اينترنتي درست و به نام خود ثبت كنند كه مصداقي از دستبرد ادبي است. سامانه هاي دستبرد ادبي موجود قابليت شناسايي كامل انواع دستبرد را ندارند. چالش اساسي در اين زمينه يافتن الگوريتمي مناسب براي بهبود ميزان يافته هاي مشابه و زمان بررسي آنهاست. تاكنون سنجه هاي مختلفي براي ارزيابي مشابهت دو سند ارائه شده كه كارايي آنها به محتواي متن و منابع مورد استفاده براي مقايسه بين واژه هاي دو سند محدود است. در اين مقاله روشي ارائه شده است كه با توجه به كيفي و ناكامل بودن عوامل اثرگذار بر سنجش شباهت بين دو متن، از نظريه گواه براي هم جوشي اطلاعات به منظور ارزيابي تشابه دو سند فارسي و كشف دستبرد ادبي استفاده مي كند. سامانه طراحي شده در مرحله اول جمله هاي موجود در سند را به دو بخش عمومي و تخصصي تقسيم كرده و سپس با استفاده از سنجه هاي متفاوت و استفاده از منابعي همانند «هستان نگار تخصصي» امتياز تشابه براي هر بخش را محاسبه و در نهايت در دو سطح، ميزان شباهت بين دو سند را استنتاج مي كند؛ به طوري كه در سطح اول نتايج سنجه هاي شباهت سنجي به عنوان گواه (با باور پايه مشخص) با قاعده دمپستر-شفر با هم تركيب شده و به عنوان گواهي جديد به سطح دوم منتقل مي شوند. در سطح دوم نتيجه سطح اول و گواه جديد از طريق قاعده ميانگين گيري تركيب شده و توابع باور و مقبوليت نهايي محاسبه و شباهت بين دو جمله(سند) ارزيابي مي شود. سامانه مذكور بر داده هاي واقعي در محيط زبان فارسي مورد ارزيابي قرار گرفته كه با دقت بيش از 90% امكان شناسايي اسناد مشابه را داراست و به همين دليل توانمندي لازم براي استفاده در حوزه شناسايي دستبرد ادبي را داراست.