Detekce plagiarismu pomocí automaticky generovaných dotazů

Abstract

Smyslem práce bylo navrhnout a implementovat aplikaci, která by pomocí automatické sumarizace urychlila detekci možných plagiátů v neurčených textových dokumentech. Testované dokumenty a jejich extrakty jsou porovnávány s modelem obsahujícím vážené výrazy autentických dokumentů a podobnosti mezi nimi jsou vypočítávány několika známými způsoby. Texty s vysokou relevancí je pak možné považovat za plagiáty nebo je jako podezřelé dále prověřovat. Použité metody a míry jsou patřičně popsány spolu s vysvětleními výhod a nevýhod. Popsána je samozřejmě i implementace včetně možných zlepšení. Neopominutelnou součástí práce je prezentace dosažených výsledků u vybraných dat. Hlavními faktory jsou přesnost a relativní rychlost.

The purpose of this thesis was to design and implement an application, that would speed-up plagiarism detection of unspecified text documents by using automatic summarization. Tested documents and their extracts are compared with a model containing weighted terms of authentic documents and similarities between them are computed by some well-known approaches. The texts with high relevancy can be considered as plagiarisms or as suspicious to be further examined. Used methods and measures are properly described along with explanations of pros and cons. The implementation is, of course, also described, including possible improvements. An indispensable part of the thesis is presentation of attained results of selected data. Main factors are precision and relative speed.