1. SISN
  2. Всі випуски
  3. Випуск 14, 2023
  4. Інтелектуальна система виявлення плагіату в технічних текстах

Інтелектуальна система виявлення плагіату в технічних текстах

SISN.
2023;
Випуск 14
: cc. 235 - 247
https://doi.org/10.23939/sisn2023.14.235
Автори:
  1. Юрій Геряк
  2. Андрій Берко
1
Національний університет «Львівська політехніка»
2
Національний університет «Львівська політехніка», кафедра інформаційних систем та мереж

Автори розробили наукове обґрунтування, виконали проєктування та розроблення інтелектуальної системи виявлення плагіату в технічних текстах. В роботі визначено проблему плагіату в сучасному світі та її актуальність, проаналізовано останні дослідження та публікації, які стосуються новітніх методів застосування інтелектуальних інформаційних технологій для виявлення плагіату. Обґрунтовано потребу і доцільність розроблення та вдосконалення інтелектуальних інформаційних технологій виявлення плагіату, а також застосування різних методів ідентифікації збігів у текстах для подальшому розвитку таких технологій. Розроблено загальний алгоритм виявлення плагіату в технічних текстах на основі методу векторного порівняння. Практичним результатом дослідження є розроблення інтелектуальної системи виявлення плагіату в технічних текстах та підтвердження її працездатності із застосуванням на конкретних прикладах технічних текстів.

плагіат
машинне навчання
інтелектуальна система
текстові документи
векторне порівняння
  1. Todorova  N. Yu. Fighting Plagiarism: Cultural Patterns and Pedagogical Implications in the EAP/ESP Context. Academia.edu. Platform for academics to share research papers. URL: https://www.academia.edu/1459171/Fighting_Plagiarism_Cultural_Patterns_and_Pedagogical_Implications_in_the_ EAP_ESP_Context
  2. Academic dishonesty – cheating and plagiarism in Ukrainian higher education. OECD Reviews of Integrity in Education: Ukraine 2017. URL: http://www.keepeek.com/DigitalAsset-Management/oecd/education/oecd-reviews- of-integrity-in-education-ukraine-2017/academic-dishonestycheating-and-plagiarism-in-ukrainian-higher- education_9789264270664-13-en#page1
  3. Academic Culture of Ukrainian Students: Key Factors of Formation and Development. East Ukrainian Foundation of Social Research. URL: http://fond.sociology.kharkov.ua/images/docs/academ_cult/material.pdf
  4. Sánchez-Vega F., Villatoro-Tello E., Montes-y-Gómez M., Rosso P., Stamatatos E., Villaseñor-Pineda L. (2019) Paraphrase plagiarism identification with character-level features. Pattern Anal Appl 22(2): 669–681. DOI: 10.1007/s10044-017-0674-z
  5. Sanchez-Perez M., Sidorov G. and Gelbukh A. (2014). A winning approach to text alignment for text reuse detection at PAN 2014– notebook for PAN at CLE”, In: Cappellato L., Ferro N., Halvey M., Kraaij W. (eds) CLEF 2014 evaluation labs and workshop-working notes papers, 15–18 September, CEUR-WS.org, Shefeld, UK, 1004– 1011.
  6. Roostaee M., Fakhrahmad S. M., Sadreddini M. H. (2020). Cross-language text alignment: A proposed two- level matching scheme for plagiarism detection. Expert Syst Appl 160:113718. DOI: 10.1016/j.eswa.2020.113718
  7. Ahuja L., Gupta V., Kumar R. (2020). A new hybrid technique for detection of plagiarism from text documents. Arab. J. Sci. Eng. 45(12):9939–9952. DOI: 10.1007/s13369-020-04565-9
  8. Gharavi E., Veisi H., Rosso P. (2020). Scalable and language-independent embedding-based approach for plagiarism detection considering obfuscation type: no training phase. Neural Comput Appl 32(14):10593–10607. DOI: 10.1007/s00521-019-04594-y
  9. Altheneyan A. S., Menai M. E. B. (2020). Automatic plagiarism detection in obfuscated text. Pattern Anal. Appl. 23(4):1627–1650. DOI: 10.1007/s10044-020-00882-9
  10. Van Son N., Huong L. T., Thanh N. C. (2021). A two-phase plagiarism detection system based on multi- layer lstm networks. IAES Int. J. Artif. Intel. 10(3):636–648. DOI: 10.11591/ijai.v10.i3.pp636-648
  11. Fowler Martin (2003). UML Distilled: A Brief Guide to the Standard Object Modeling Language. Addison- Wesley Professional.
  12. Hlybovets M. M., Hlybovets A. M., Polyakov M. V. (2014). Intelligent Networks. Dnipropetrovsk: Nova Ideolohiya. 462 p.
  13. Rubin D. and Bernard P. (2005). UML 2.0 in a Nutshell, O'Reilly Media.
  14. Kvetny R. N., Bohach I. V., Boyko O. R., Sofina O. Yu., Shushura O. M. (2012). Computer Modeling of Systems and Processes. Computation Methods. Part 1: educational guide/ edited by R. N. Kvetny. innytsia: VNTU. 193 p.
  15. Lytvyn V. V., Shakhovska N. B. Information Systems Design. Lviv: Magnolia-2006. 380 p.
  16. Katrenko A. V. (2001). Application of Design Technologies and Tools for Information Systems. Bulletin of Lviv Polytechnic National University, No. 438 : Information Systems and Networks, 48–63. Bibliography: 8 references.
  17. Berlinck R. G. S. (2011). The academic plagiarism and its punishments – a review. Brazilian Journal of Pharmacognosy, Vol. 21(3), 365–372. DOI: 10.1590/S0102-695X2011005000099
  18. Petrenko V. S. (2013). Concepts and Types of Plagiarism.  Journal of Civil Law, Vol. 14.  128–131.
  19. Mutiara A. B. and Agustina S. (2008). Anti Plagiarism Application with Algorithm Karp-Rabin at Thesis in Gunadarma University , arXiv Prepr. DOI: 10.13140/RG.2.1.3138.2802
  20. Hunt, E., Janamsetty, R., Kinares, C., Koh, C., Sanchez, A., Zhan, F., ... & Oh, P. (2019, November). Machine learning models for paraphrase identification and its applications on plagiarism detection. In 2019 IEEE International Conference on Big Knowledge (ICBK), 97–104. IEEE. DOI: 10.1109/ICBK.2019.00021
  21. Kusner, M., Sun, Y., Kolkin, N., & Weinberger, K. (2015, June). From word embeddings to document distances. In International conference on machine learning,  957–966. PMLR.
  22. Kaytez, F., Taplamacioglu, M. C., Cam, E., & Hardalac, F. (2015). Forecasting electricity consumption: A comparison of regression analysis, neural networks and least squares support vector machines. International Journal of Electrical Power & Energy Systems, 67, 431–438. DOI: 10.1016/j.ijepes.2014.12.036