Citation-based Plagiarism Detection

Le plagiat est un problème aux conséquences considérables pour les sciences. Cependant, même les meilleurs systèmes basés sur des logiciels d'aujourd'hui ne peuvent identifier de manière fiable que le plagiat par copier-coller. Les formes de plagiat déguisé, y compris le texte paraphrasé, le plagiat interlangue, ainsi que le plagiat structurel et d'idées, restent souvent non détectées. Cette faiblesse des systèmes actuels entraîne un pourcentage élevé de plagiat scientifique non détecté. Bela Gipp propose un aperçu de l'état de l'art en matière de détection de plagiat et une analyse des raisons pour lesquelles ces approches échouent à détecter les formes déguisées de plagiat. L'auteur propose une détection de plagiat basée sur les citations pour remédier à cette lacune. Contrairement aux approches basées sur les caractères, cette méthode ne se contente pas de comparaisons de texte, mais analyse les motifs de citation au sein des documents pour former une "empreinte sémantique" indépendante de la langue pour l'évaluation de la similarité.