盗作には、他人のアイデア、言葉、または画像を自分の手柄にすることが含まれます。 非倫理的 学術的および専門的な環境で。 適切な出所を明示せずに、誤って他の人の言葉を言い直してしまった生徒は、それに気付かない可能性があります。 何かを言い換えるときに引用符は使用されないため、校正者の把握を簡単に逃れて最終草案に進むことができます。 ただし、特に最近では盗作チェッカーがより効率的に言い換えを検出できるようになっているため、完全に不可能というわけではありません。
言い換えを検出することは、テキスト間の類似点と相違点を識別する必要があるため、困難な作業となる場合があります。 後続のセクションでは、言い換えの事例を識別するために使用される一般的な方法とテクニックについて、包括的な議論を掘り下げていきます。
盗作チェッカーはどのように言い換えを検出するのか: 適切な方法を検討
今日の教育現場では、盗作チェッカーはますます進歩しており、コピーされたテキストにフラグを立てるだけでなく、言い換えられたコンテンツも検出するようになりました。 この記事では、これらのツールが言い換えを効果的に識別できるようにする方法を検討します。
1. 文字列のマッチング
この方法では、テキストを文字レベルまたは単語レベルで比較して、正確に一致するものを特定します。 XNUMX つのテキスト間の文字シーケンスまたは単語の選択に高度な類似性がある場合は、言い換えの可能性があります。 これらのツールは、単語の文脈上の意味を考慮することもできる複雑なアルゴリズムを採用しており、盗作や言い換えが検出されないことがますます困難になっています。
2. コサイン類似度
コサイン類似度は、剽窃チェッカーが言い換えを検出する方法の XNUMX つです。 高次元空間におけるベクトル表現間の角度に基づいて、XNUMX つのテキスト間の類似性を測定します。 これらのツールは、テキストを単語頻度または埋め込みのベクトルとして表すことにより、コサイン類似性スコアを計算し、言い換えられたコンテンツを検出する能力をさらに向上させることができます。
3. 単語アライメントモデル
これらのモデルは、XNUMX つのテキスト間の単語またはフレーズを並べて、それらの対応関係を特定します。 整列されたセグメントを比較することにより、一致したシーケンスの類似点と相違点に基づいて言い換えを検出できます。
4. 意味解析
このアプローチには、テキスト内の単語やフレーズの意味とコンテキストの分析が含まれます。 潜在意味分析 (LSA)、単語埋め込み (Word2Vec や GloVe など)、または BERT などの深層学習モデルなどの技術を使用すると、単語間の意味関係をキャプチャし、意味表現の類似性に基づいて言い換えを識別できます。
5 機械学習
教師あり機械学習アルゴリズムは、言い換えられたテキストと言い換えられていないテキストのペアのラベル付きデータセットでトレーニングできます。 これらのモデルは、言い換えを区別するパターンと特徴を学習でき、テキストの新しいインスタンスを言い換えかそうでないかを分類するために使用できます。
6. Nグラム解析
N グラムは、互いに隣接する単語のグループです。 これらのグループがさまざまなテキストに出現する頻度を確認し、比較すると、類似した語句やシーケンスを見つけることができます。 同様のパターンが多数ある場合は、文章が言い換えられている可能性があります。
7. ほぼ重複の検出
盗作チェッカーが言い換えを効果的に検出する最後の方法。
準重複検出アルゴリズムは、高度な類似性を示す、またはほぼ同一のテキスト セグメントを特定するために、言い換え検出で頻繁に使用されます。 これらのアルゴリズムは、詳細レベルでのテキストの類似性の比較を通じて、言い換えられたコンテンツを認識するように特別に作成されています。
盗用防止ソフトウェアでは通常どの方法が使用されますか?
専門的な盗作防止サービスで利用される技術ソリューションは通常、N グラム分析に依存しています。 これらのサービスは、n-gram ベースのテクノロジーを活用することで、驚くほど高い精度を実現します。 これは、盗作チェッカーが言い換えを検出する最良の方法の XNUMX つであり、書き換えられた正確な単語を識別して強調表示することができます。
盗作チェッカーが言い換えを検出する仕組み
盗作防止サービスでは、通常、文書を比較するためにフィンガープリント技術が使用されます。 これには、検証対象の文書から必要な N グラムを抽出し、データベース内のすべての文書の N グラムと比較することが含まれます。
例
次のような文があるとします。 « ル・モン・オランプ・エスト・ラ・プラス・オート・モンターニュ・ド・グレース。 »
この N-グラム (例えば 3 グラム) この文は次のようになります。
- ル モン オランプ
- モンオランペエスト
- オリンペ・エスト・ラ
- 最もです
- ラ・プラス・オート
- 一番高い山
- オート モンターニュ ド
- モンターニュ・ド・グレース
ケース1. 交換
その単語が別の単語に置き換えられても、依然として一部の単語が残ります。 N-グラム 一致し、さらなる分析によって単語の置換を検出することが可能です。
変更された文: " 山 オランプ エスト ラ プリュス オート モンターニュ ド ペロポネソス半島。 '
| オリジナル3グラム | 変更されたテキスト 3 グラム |
| ル モン オランプ モンオランペエスト オリンペ・エスト・ラ 最もです ラ・プラス・オート 一番高い山 オート モンターニュ ド モンターニュ・ド・グレース | Le 山 オリンポス 山 オリンペエスト オリンペ・エスト・ラ 最もです ラ・プラス・オート 一番高い山 オート モンターニュ ド モンターニュ・ド ペロポネソス半島 |
ケース 2. 単語 (または文章、段落) の順序を変更する
文の順序が変更された場合でも、一部の 3 グラムが一致するため、変更を検出することが可能です。
変更された文: « ラ・プラス・オート・モンターニュ・ド・グレース・エスト・ル・モン・オランペ。 »
| オリジナル3グラム | 変更されたテキスト 3 グラム |
| ル モン オランプ モンオランペエスト オリンペ・エスト・ラ 最もです ラ・プラス・オート 一番高い山 オート モンターニュ ド モンターニュ・ド・グレース | ラ プリュス オート 一番高い山 オート モンターニュ ド モンターニュ・ド・グレース デ・グレース・エスト グレース エスト ル エスト・ル・モン ル モン オランプ |
ケース 3. 新しい単語を追加する
新しい単語が追加されても、一致する 3 グラムがまだいくつかあるため、変化を検出することができます。
変更された文: « ル・モン・オリンペ・エスト 遠くから ラ・プリュス・オート・モンターニュ・ド・グレース。 »
| オリジナル3グラム | 変更されたテキスト 3 グラム |
| ル モン オランプ モンオランペエスト オリンペ・エスト・ラ 最もです ラ・プラス・オート 一番高い山 オート モンターニュ ド モンターニュ・ド・グレース | ル モン オランプ モンオランペエスト オランプ・エスト・デ 断然 遠く ロース・ラ・プラス ラ・プラス・オート 一番高い山 オート モンターニュ ド モンターニュ・ド・グレース |
ケース 4. いくつかの単語を削除
単語が削除されても、一致する 3 グラムがまだいくつかあるため、変更を検出することができます。
変更された文: « オランプ・エスト・ラ・プラス・オート・モンターニュ・ド・グレース。 »
| オリジナル3グラム | 変更されたテキスト 3 グラム |
| ル モン オランプ モンオランペエスト オリンペ・エスト・ラ 最もです ラ・プラス・オート 一番高い山 オート モンターニュ ド モンターニュ・ド・グレース | ロランプ・エスト・ラ 最もです ラ・プラス・オート 一番高い山 オート モンターニュ ド モンターニュ・ド・グレース |
実際の例
実際の文書で検証が完了すると、中断されたマーキングによって言い換えられたセクションが特定されることがよくあります。 変更された単語を示すこれらの中断は、視認性と区別性を高めるために強調表示されます。
以下に実際の文書の例を示します。
- 最初の抜粋は、 オクシコ 盗作防止サービス：
- XNUMX 番目の抜粋は、元のソース文書からのものです。
より詳細な分析の結果、文書の選択された部分が次の変更を加えて言い換えられたことが明らかです。
| 原本 | 言い換えテキスト | 変更 |
| イノベーションをサポートすることも特徴です | イノベーションをバックアップすることは定義されていません | 交換 |
| 経済的および社会的知識、効率的なシステム | 経済的および社会的意識、効率的な組織 | 交換 |
| 提案（アイデア） | 勧告 | 置換、削除 |
| 態度 | 姿勢 | 交換 |
| 成功 | 勝者 | 交換 |
| プロセス (ペレンツ、ホルブ-イヴァン | 認知プロセス (ペレンツ、ホルブ – イヴァン) | 追加 |
| イノベーション推進派 | 好調 | 交換 |
| 気候を作り出す | : 条件の作成 | 交換 |
| 好調 | 豊かな | 交換 |
| 知識を発展させる | 開発意識 | 交換 |
まとめ
| 盗作は、言い換えの場合には検出されないことが多いが、依然として学界における重大な懸念である。 技術の進歩により、盗用チェッカーは言い換えられたコンテンツを効果的に識別する機能を備えています。 具体的には、盗作チェッカーは、文字列マッチング、コサイン類似度、N グラム分析などのさまざまな方法を通じて言い換えを検出します。 特に、n-gram 解析は精度の高さが際立っています。 これらの進歩により、盗作や言い換えが検出されない可能性が大幅に減少し、それによって学術的完全性が向上します。 |
