论文查重重复率怎么计算出来的？

2023年10月15日

学术研究部

阅读量 3,245

在学术写作中，论文查重是确保学术诚信和原创性的重要环节。查重系统通过比对您的论文与海量数据库中的文献，计算出重复率，即相似内容占总字数的比例。这个数字对于论文能否通过审查至关重要。

重复率计算公式： 重复率 = (重复字数 ÷ 总字数) × 100%。但实际计算过程远比这个公式复杂，涉及文本预处理、相似度算法、阈值设定等多个技术环节。

一、查重系统工作原理

主流的查重系统（如知网、维普、万方、Turnitin等）通常采用以下步骤计算重复率：

1. 文本预处理

系统会去除格式、标点、停用词，将文本转换为可比较的"指纹"。这个过程包括分词、词干提取、去除无关字符等。

2. 特征提取

通过算法提取文本特征，常见的方法有N-gram（连续N个词作为一个单元）、词频统计、语义向量等。

3. 相似度比对

将提取的特征与海量文献数据库进行比对，计算相似度。常用算法包括余弦相似度、Jaccard系数、编辑距离等。

4. 重复判定

根据预设阈值（通常为5-8个连续相同词）判断是否为重复内容，标记相似段落。

不同查重系统拥有不同的数据库，包括期刊论文、学位论文、会议论文、网络资源等。数据库越全面，检测结果越准确。

各系统采用不同的相似度算法和阈值设定，这会导致同一篇论文在不同系统中检测结果有差异。

正确标注的引用通常不会被计入重复率，但格式错误或过度引用仍可能被标记为重复内容。

包括是否检测摘要、参考文献、致谢等部分，这些设置会影响最终的重复率计算结果。

降低重复率不是简单替换同义词，而是需要理解原文后用自己的语言重新表达。常用方法包括：