如何降低上傳文獻的重複率？
這是讓很多學子學者苦惱的問題，網上的“破解”方法層出不窮，更是五花八門，有人說增減文字，有人說調換詞語、句子或段落的順序……
然而這些方法真的有效嗎？
如果用的是知網的學術不端檢測系統……
答案是否定的！！！
這是為什麼呢？？？
分析原因，就不得不提系統的檢測技術原理和方法。
系統檢測原理示意圖
1.多階自適應指紋分析技術
AMLC採用CNKI自主研發的自適應多階指紋（AMFLP）特徵檢測技術，具有檢測速度快，準確率、召回率較高，抗干擾性強等特徵。
支持篇章、段落、句子各層級檢測；
支持文獻改寫，多篇文獻組合等各種文獻變形檢測；
支持研究生學位論文、圖書專著等超長文獻的學術不端檢測。
CNKI自適應多階指紋技術原理
對任意一篇需要檢測的文獻，系統首先對其進行分層處理，按照篇章、段落、句子等層級分別創建指紋，而句子級別的指紋，則建立在對句子進行句法分析的基礎上，是基於內容理解的句子級索引。而比對資源庫中的比對文獻，也採取同樣技術創建指紋索引。這樣的分層多階指紋結構，不僅可以滿足我們對超長文獻的快速檢測，也滿足了系統對檢準率和檢全率的高要求。以字詞、短語或連續N個字為匹配索引的技術會造成大量的誤檢，N過大則會造成大量的漏檢，也無法檢測修改過的內容。
2.語義理解技術
知網成熟的SmartTextMiner知識挖掘技術與國際領先的NLPE自然語言處理技術，為檢測系統提供了強有力的技術支持。知網構建了強大的語義分析框架，實現了詞語、語句、句群、篇章分層級的語義分析，並已經在詞語、語句和句群層面取得了豐碩的成果。
在以上技術的支持下，檢測系統實現了基於內容的信息指紋技術與語義分析技術的有效結合，不僅保證了檢測結果的精準性，而且還具備了較強的抗干擾能力，支持文獻改寫、重組、翻譯等多種變換形式的檢測。
綜上所述，系統在識別重複和引用內容時，會結合上下文的內容，對達到一定的語義級別的內容進行判定，並不是單純根據一兩個詞、字或者單獨的句子進行判斷。完整內容的重合情況，是由系統根據算法綜合得出的，對文獻內容的原樣抄襲、改寫、語句順序調整等，都能自動檢測和識別，且能快速定位和動態標註顯示。
對於文科生的你而言
是不是一臉懵逼，看不懂？
總之就是一句話
變換詞語、句子的順序，來降低重複率
不好使！
那麼問題來了
究竟怎麼樣才能“規避”呢？？？
答案就兩個字
閱讀更多 社科學術圈 的文章
