假设以下抄袭的生成模型:
抄袭者: 1. 删除文本的一部分 2. 重新排列文本的一部分 3. 添加新的文本。
例如,如果ABCD是原始文本(A、B、C和D可以是段落或一堆句子),输出可以是DEAFCG,其中E、F和G是添加的附加文本。
此外,抄袭者会以较小的概率添加小错误(插入、替换和删除)。
我们如何检测这种抄袭实例?
到目前为止,我已经尝试使用最长公共子序列方法。它会检测到一组匹配的线性文本。在上面的示例中,它将检测到D或AC(取决于它们的长度)
我需要的是:处理此问题的有原则的方法。任何对现有文献的引用都将非常有帮助。对于想法的伪代码也很好。不要提供代码。
这既不是作业问题,也不是面试问题。我将我的实际问题简化成了这个玩具问题。
抄袭者: 1. 删除文本的一部分 2. 重新排列文本的一部分 3. 添加新的文本。
例如,如果ABCD是原始文本(A、B、C和D可以是段落或一堆句子),输出可以是DEAFCG,其中E、F和G是添加的附加文本。
此外,抄袭者会以较小的概率添加小错误(插入、替换和删除)。
我们如何检测这种抄袭实例?
到目前为止,我已经尝试使用最长公共子序列方法。它会检测到一组匹配的线性文本。在上面的示例中,它将检测到D或AC(取决于它们的长度)
我需要的是:处理此问题的有原则的方法。任何对现有文献的引用都将非常有帮助。对于想法的伪代码也很好。不要提供代码。
这既不是作业问题,也不是面试问题。我将我的实际问题简化成了这个玩具问题。