繁體中文文章之剽竊偵測工具實作

全球資訊網(World Wide Web)的普及使得各種形式的資料在網路上廣為流傳，上網搜尋各種資訊已相當便利，但便利的同時也為人類帶來新的難題與挑戰；事實上，網路資訊的剽竊(Plagiarism)已是非常嚴重的問題。針對如何預防或偵測剽竊的問題，已有許多學者提出相關文獻探討(Chen et al. 2004)，許多偵測程式剽竊的軟體如：MOSS、JPLAG、YAP、SID等也陸陸續續被開發出來，另外許多偵測剽竊的商業網站如TURNITON.COM等，也都營運了幾年，相關技術之研究與應用已相當成熟與普及，不過這些研究以及軟體工具多半適用於電腦程式(program)的相似度的比對，對於實際偵測文章剽竊的工具很少，尤其在中文文章比對上，目前並沒有相關的研究，因此本研究的目的在於提出一套以LZW演算法為基礎(Ziv & Tempel 1977)，改良式的中文文章比對演算法，而為探討該演算法之可行性，實作一套中文文章剽竊偵測的雛形系統以進行實證，實驗評估顯示，任意選擇兩篇中文文章為比對主體，即能篩選出兩篇文章內容中所有相同的中文字句，因此，本研究的實驗結果，展現作者提出的中文文章剽竊偵測演算法，在技術上及實務應上具備可行性。然而，研究所提之演算法仍有許多改善的空間，透過進一步發展後，以期將來能夠作為日後華文世界中，文章剽竊研究的基礎，並能成功地被應用於教育研究等智慧財產相關體系中。

關鍵字

剽竊偵測；中文文章剽竊；智慧財產

並列摘要

The popularity of World Wide Web makes all forms of data, information and knowledge accessible to the public; however plagiarism has also become a major concern. To overcome the problems, several scholars have long proposed program detection algorithms (Chen et al. 2004), and several famous tools have been developed and used widely such as MOSS, JPLAG, YAP and SID. However, these tools and algorithms are not applicable to the traditional Chinese contexts. To fill this gap, we propose a LZW-based algorithm and develop a prototype to examine the feasibility and usability. Initial results confirmed the prototype is applicable in the Chinese article plagiarism detection. Further discussion and limitations are also provided.

並列關鍵字

plagiarism detection ； text plagiarism ； property rights

參考文獻

張真誠、蔡文輝(1991)。植基於藍波―立夫編碼法的中文資料壓縮技術。電腦學刊。3(2)，13-19。

Google Scholar

Chang, C.,Tsai, W.(1991).A Data Compression Scheme for Chinese and English Characters.Computer Processing of Chinese and Oriental Languages.5(2),154-182.

Google Scholar

Chen, X.,Francia, B.,Li, M.,McKinnon, B.,Seker, A.(2004).Shared Information and Program Plagiarism Detection.EEE Transactions on Information Theory.1545-1550.