rost反剽窃检测系统

反剽窃系统是通过比对源文档和目标文档相似性给出相似度结果的一种信息处理系统。由武汉大学信息管理学院出版科学系教师沈阳副教授研发的ROST文档相似性检测工具（为避免太敏感有时也叫相关性检测工具）可有效检测论文的抄袭相似情况，经过六年的研发（早期版本叫做网盗克星），终于推出了6.0版本，在定版过程中得到了武汉大学多位专家教授的宝贵意见。目前已投入约20余家单位测试和使用，反应良好，一定程度杜绝了有抄袭可能的论文发表问世。

功能介绍

rostcm主要包括三个部分：全网检索、本地文献库对比和少量文献对比。
软件栏目有聊天分析、全网分析、网站分析、浏览分析、微博分析和期刊分析。
通过这套系统，我们能够判断论文是否是抄袭的。在分析论文是否抄袭部分，还可以进行功能性分析（字频分析、英文词频分析、中文词频分析、社会网络和语义网络分析、情感分析、流量分析、TF/IDF批量词频分析、相似分析），从而让剽窃的论文无处藏身。

基本原理：

反剽窃软件自动将文档切割为多个50到200字（可自定义）的小文本，通过混合引擎将其与188亿个网页和490万篇文献进行模糊匹配，标示出每个文本块与文献库中的某些文献的最大相似度。由此软件统计出相似度≥95%（基本原封不动抄袭）与相似度≥80%（略作修改后抄袭）的字数所占总字数比例。我们把这个比例作为剽窃(相似)程度衡量指标。
系统需要XP系统，word2003环境。
优点
覆盖面广，通过混合引擎覆盖约188亿个网页和490万篇论文。系统采用自研的ROST WebSpider和ROST SEAT算法实现了对互联网和部分期刊网的广度覆盖。
模糊检测，柔性匹配，为防止抄袭者替换部分字符，删除部分标点符号，系统通过相似度来进行判定。系统采用自研的ROST Similar算法实现高速相似性检测和度量。系统采用自研的QingQing算法提取信息指纹，在P3、512MBPC上，分词速度为13MB/S，已在互联网提供评测版供业内评测。
本软件检测结果只能作为一个参考，可以使用表格右键导出详细检查结果发送给被检查本人，本软件不对是否剽窃做结论，只是告诉你与现存文献相似度高于80%的文字比例所占文章总数比例是多少。高于80%相似度的文字才是需要关注的。低于此值可以完全无视。
规范引文及参考文献去除，降低误判可能性。
自定义分块检测机制，将文章的每一文本块与其他文档的相似度都精确的表示出来了，每一文本块约为50字至200字不等（可自定义），以红色表示极度相似（相似度大于80%），一目了然，清晰醒目。当设为50个字一块时，可以在较低信息粒度上查找出可能抄袭或相似的文献。
相似文档模块跟踪技术，可以通过简单操作直接定位相似文档中哪些内容被抄袭或者拷贝，直观明了。
结果分析功能，自动分析文档相似结果，给出评价意见。
多种文件格式支持，包括PDF、DOC、PPT、XLS、TXT等文档。
专有数据文件保存，不用反复检测，浪费时间。

缺点
本反剽窃系统不能覆盖世界上所有中英文文献，关于覆盖率与查全率的相关性问题，正在研究中。
检测时间略长，本软件每检测200字需要7秒钟，一篇8000字的文档至少耗费约5分钟，需要一点点耐心。
本软件检测结果存在一个小的误差，用更小的文档块进行检测，可以减少误差，但需要的时间会相应增加，经过我们在多家编辑部的试用情况，块数大小定为200字较为合适，此时误差率也是可以接受的，文档相似率一般是比实际的要低。