如何比对文本查重
- 把要检查的文本粘贴到 您的文本 中，或点击 上传文件 载入 .txt、.pdf 或 .docx 文档。
- 把一份来源粘贴到 来源 1 中：可以是一篇文章、同学的论文，或该文本的早期版本。每个来源框都有自己的 上传 链接。
- 如果还有其他来源，请填入 来源 2；需要更多时点击 添加其他来源，最多共 8 个。
- 保持勾选 同时检测改写，这样除了直接复制的句子，还能找出改写过的句子。首次使用时会下载一个 23 MB 的语言模型，之后由浏览器缓存。
- 点击 比对文本，查看相似度得分、高亮显示的文字以及匹配段落列表。
所有文本都留在您的浏览器中，不会上传或保存，您的文档也不会被收录进任何数据库。
这款查重工具能做什么、不能做什么
这是一款比对工具。它只把您的文本与您添加的来源进行比较，不与其他任何内容比较。它不会在互联网上搜索，也不会与论文或出版物数据库比对。如果您怀疑一篇文本是抄来的却不知道出处，请先找到可能的来源，例如在搜索引擎中用引号搜索其中一句不常见的话，然后把找到的内容粘贴到这里。
因此，它非常适合手头已经有相关文本的场景：
- 老师将一篇论文与疑似来源比对，或将两名学生的论文相互比对；
- 作者检查文章是否与写作时参考的资料过于接近；
- 编辑或客户检查一篇“重写”的文本是真正的新内容，还是只做了少量改动；
匹配原理
措辞相同。两段文本都会被拆分成词，忽略大小写和标点；您文本中每一组连续 5 个词的序列都会在各个来源中查找（文本很短时为 4 个词）。每个相同的序列都会以对应来源的颜色高亮显示，因此有多个来源时，您可以看出哪一部分与哪个来源匹配。
改写。只要改动几个词，精确匹配就会失效，所以本工具还会比较语义。您文本中每个还没有大部分被复制的句子，都会用 all-MiniLM-L6-v2 模型转换成句向量，并与所有来源中的每个句子进行比较。当余弦相似度达到 0.75 或以上时，该句会被判定为改写。改写的句子带有虚线下划线；将鼠标悬停在上面，可以看到与之相似的来源句子及相似度。
如何解读结果
相似度得分 是您文本中匹配部分所占的比例：相同序列中的词数加上改写句子中的词数，再除以总词数。下方会显示措辞相同的百分比和改写句子的数量，既有所有来源的合计，也有每个来源的单独数据。最长的匹配段落 列出连续 8 个词或以上的复制片段，这是直接抄袭最有力的证据。
抄袭没有统一的判定标准。一篇正确标注引文的文献综述，得分可能很高；而一篇有一整段未注明出处的论文，得分却可能很低。要看匹配的是什么，而不仅仅是匹配了多少。
哪些匹配不算抄袭
- 正确标注出处的引文 是合理使用，即使逐字相同也不算抄袭。
- 常用短语，例如英文中的 "at the end of the day" 或 "on the other hand"，可能会碰巧匹配，在使用较短的 4 词序列时尤其如此。
- 专业术语、人名和标题 在任何文本中都只能这样写，出现相同是必然的。
- 同一主题的句子 意思可能相近，但不一定是抄来的。单个改写匹配只能当作线索，大量连续的改写匹配才说明存在规律。
使用技巧
- 一次添加所有相关来源，而不是逐个检查。每个来源都有自己的颜色，多个来源共有的措辞只计算一次。
- 如果导入的 PDF 出现断行或文字缺失，请先用PDF转文本转换。扫描版 PDF 需要先做 OCR 才会包含文字。
- 想知道一篇论文是不是 AI 写的，而不是抄的？请使用AI检测器；AI 生成的文本通常是全新的措辞，在这里不会显示出来。
- 检查文档中的参考文献是另一项工作：AI幻觉检测器可以确认所引用的来源是否真实存在。
常见问题
它会在互联网上搜索抄袭的文字吗？
不会。它只把您的文本与您粘贴或上传的来源进行比较。要找出未知的来源，请先在网上搜索一句有特点的话。
能检测出改写吗？
能，前提是改写后的句子与某个来源中的句子足够接近。它用一个小型语言模型比较句子语义，并标出相似度在 0.75 或以上的句子。结构大幅调整过的文本，或分散在多个句子中的观点，仍有可能漏检。
我的文档会被保存或收录进数据库吗？
不会。比对在您的浏览器中进行，您的文本和来源都不会上传。
相似度得分多少才算抄袭？
没有固定的阈值。请检查匹配的段落是标注了出处的引文、常用短语，还是未注明出处的抄袭；起决定作用的是这一点，而不是百分比。
更新于