تصميم وتنفيذ نماذج ذكية لاكتشاف الاستلال النصي

الباحث

أيوب علي محمد سعيد

المشرف

آلاء ياسين طه

الجامعة

جامعة الموصل

الكلية / القسم

كلية علوم الحاسوب والرياضيات / علوم الحاسوب

الشهادة

دكتوراه

السنة

2023

لغة الرسالة

انكليزي

الكلمات المفتاحية

Plagiarism Detection ; Text Similarity ; Natural Language Processing ; Intelligent Models

يُعرف الاستلال او السرقة العلمية بأنه تقديم أعمال باحثين اخرين على أنها أعمال خاصة بالباحث الحالي دون الإشارة الى المصدر الأصلي لهذه الاعمال. ان اهمية اكتشاف الاستلال النصي ازدادت في الآونة الاخيرة لأن الاستلال أصبح Lage Veja من أخلاقيات البحث العلمي خاصة في البيئة الأكاديمية. اقترحت هذه الأطروحة نموذجين ASI عن الاستلال النصي. النموذج الأول يسمى 'نموذج الكشف عن الاستلال النصي" TPDM والذي يتكون من مرحلتين رئيسيتين: في المرحلة الأولى، يمكن استخدام خوارزمية العنقدة Mini Batch Kmeans أو تقنية قراءة البيانات من الوبب web scrape لاسترداد مستندات المصدر ذات العلاقة بالمستند الذي يتم اختباره. تبدأ المرحلة الثانية بالمعالجة المسبقة وتجزئة نصوص المستندات قيد الاختبار ومستندات المصدر باستخدام معالجة اللغات الطبيعية (811,2)،: تم استخدام أريعة خوارزميات مقترحة. الأولى هي خوارزمية ASS السرقة الأدبية (EPD) التي تكتشف الاستلال الدقيق (النسخ واللصق) باستخدام مقياس التشابه 1200210 ، الثانية هي خوارزمية الكشف عن الاستلال المعجمي (LPD) التي تكتشف التغييرات المعجمية في نص المصدر بأستخدام طريقة الترميز النصي تكرار المفردات - معكوس تكرار المستندات '11(1-"11 ومقياس الجيب تمام cosine للتشابه النصي. Lain يتم اكتشاف التغييرات الدلالية من خلال الكشف عن الاستلال الدلالي (SPD) باستخدام نموذج (USE) المدرب مسبمًا المبني على التعلم العميق (DL) لترميز النصوص وكذلك ومقياس الجيب cosine ala للتشابه النصي. أخيرّاء تم استخدام خوارزمية اكتشاف الاستلال المعجمي-الدلالي المدمجة (MLSPD) لاكتشاف التغييرات المعجمية الدلالية في حالتين باستخدام علاقتي الريط (و) ولأو). النموذج الثاني المقترح يسمى 'نموذج الكشف عن الاستلال المبني على الوزن" 1/1 والذي يعتمد على الوزن المخصص لكل مقطع نصي في المستندات ad الاختبار. كما في النموذج الأول يتضمن هذا النموذج أيضا أربع خوارزميات مقترحة. خوارزمية كشف الاستلال المعجمي بنفس الاوزان (SWLPD) ، خوارزمية كشف الاستلال الدلالي بنفس الاوزان (SWSPD) ، خوارزمية كشف الاستلال المعجمي بأوزان مختلفة (VWLPD) وخوارزمية الكشف عن الاستلال الدلالي بأوزان مختلفة .(VWSPD) تستخدم هذه الخوارزميات لاكتشاف الاستلال في حالتين؛ إذا كانت قيم الاوزان هي نفسها لجميع أقسام النص قيد الاختبار أو أن هذه الأوزان لها قيم مختلفة. بعد إجراء العديد من التجارب على كلا النموذجين، سجلت خوارزمية MLSPD التي تستخدم معامل (أو) أعلى معدل تشابه نصي بنسبة /7١, ويمعدل وقت تنفيذ 458,544 ثانية بينما حصلت خوارزمية EPD على 5,5١7 ثانية كاقل معدل وقت التنفيذ.

Plagiarism is known as presenting other works as one’s own without making proper citation or giving an explicit acknowledgment. The detection of plagiarism is interesting because it has become a significant topic in the ethics of scientific research especially in an academic environment. This thesis has proposed two models for detection of textual plagiarism. The first model is called “Textual Plagiarism Detection Model” (TPDM) and it involves two key stages: Mini Batch Kmeans clustering algorithm and web scrape technique can be utilized to retrieve the candidate source documents in the first stage. The second stage starts with pre- processing and segmenting the texts of suspicious and source documents utilizing Natural Language Processing (NLP) techniques, then four proposed algorithms are used. The first is Exact Plagiarism Detection (EPD) algorithm which detects the exact copy-paste plagiarism using the Jaccard similarity measure; the second is the Lexical Plagiarism Detection (LPD) algorithm, which detects lexical changes in the source text using Term Frequency- Inverse Document Frequency (TF-IDF) and cosine similarity measure. The semantic changes are detected through Semantic Plagiarism Detection (SPD) algorithm utilizing pre-trained Deep Learning (DL) based Universal Sentence Encoder (USE) model and cosine similarity measure. Finally, the Merged Lexical-Semantic Plagiarism Detection (MLSPD) algorithm is utilized for detecting a lexical-semantic change utilizing both (and) and (or) operators. The second proposed model is known as “Weight based Plagiarism Detection Model” (WTPDM) . It depends on the assigned weight values for each section of suspicious document. Like the first model, it involves four proposed algorithms. Same Weight Lexical Plagiarism Detection (SWLPD), Same Weight Semantic Plagiarism Detection (SWSPD), Variant Weight Lexical Plagiarism Detection (VWLPD) and Variant Weight Semantic Plagiarism Detection (VWSPD). These algorithms are used to detect the plagiarism in two cases, if assigned weight values are the same for all sections of suspicious text or that assigned weights have different values. After conducting several experiments on both models, the MLSPD with (or) operator algorithm gives the highest average of similarity ratios with 30.3% and 458.49 seconds as average of running time while EPD algorithm elapsed 8.212 seconds as the lowest running time average.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب