طراحی سامانه تشخیص دستبرد ادبی جمله بنیاد در متون فارسی به کمک هم جوشی گواه ها

در حال حاضر، افراد به راحتی می توانند سند جدیدی را با رونوشت برداری از منابع وسیع اینترنتی درست و به نام خود ثبت کنند که مصداقی از دستبرد ادبی است. سامانه های دستبرد ادبی موجود قابلیت شناسایی کامل انواع دستبرد را ندارند. چالش اساسی در این زمینه یافتن الگوریتمی مناسب برای بهبود میزان یافته های مشابه و زمان بررسی آنهاست. تاکنون سنجه های مختلفی برای ارزیابی مشابهت دو سند ارائه شده که کارایی آنها به محتوای متن و منابع مورد استفاده برای مقایسه بین واژه های دو سند محدود است. در این مقاله روشی ارائه شده است که با توجه به کیفی و ناکامل بودن عوامل اثرگذار بر سنجش شباهت بین دو متن، از نظریه گواه برای هم جوشی اطلاعات به منظور ارزیابی تشابه دو سند فارسی و کشف دستبرد ادبی استفاده می کند. سامانه طراحی شده در مرحله اول جمله های موجود در سند را به دو بخش عمومی و تخصصی تقسیم کرده و سپس با استفاده از سنجه های متفاوت و استفاده از منابعی همانند «هستان نگار تخصصی» امتیاز تشابه برای هر بخش را محاسبه و در نهایت در دو سطح، میزان شباهت بین دو سند را استنتاج می کند؛ به طوری که در سطح اول نتایج سنجه های شباهت سنجی به عنوان گواه (با باور پایه مشخص) با قاعده دمپستر-شفر با هم ترکیب شده و به عنوان گواهی جدید به سطح دوم منتقل می شوند. در سطح دوم نتیجه سطح اول و گواه جدید از طریق قاعده میانگین گیری ترکیب شده و توابع باور و مقبولیت نهایی محاسبه و شباهت بین دو جمله(سند) ارزیابی می شود. سامانه مذکور بر داده های واقعی در محیط زبان فارسی مورد ارزیابی قرار گرفته که با دقت بیش از 90% امکان شناسایی اسناد مشابه را داراست و به همین دلیل توانمندی لازم برای استفاده در حوزه شناسایی دستبرد ادبی را داراست.