有关查重我来说几句(转)

淡妆

我们老师说，过几天全国组委会将进行一次整体的查重，这个应该会等到所有的赛区结果出来以后才会进行。


大家自己在大雅相似度查询的重复率应该是没用什么用的，更确切的说，是你的重复率低了没什么用，如果很高，那可以直接玩完了，不用看下面的文字了。


大雅相似度应该有一个库内查询的功能，也就是我们所有参赛者的文章进行比较。


我曾经用大雅相似度查了自己的学年论文，相似度1%，然而我自己估测的相似度应该是在70-80%左右，虽然我是自己写的文章，但是框架是用的其他文章里的。


也就是说，大雅相似度查询实际上数据库覆盖不是很广。


但是，如果把我们所有参赛者的文章拿一起来比较就很不一样了，我们很可能是涵盖了所有中文中有关影子猜地点的文章。


如果说你照搬了一段叙述性的文字，大雅原本的库里没有，但是有其他队伍和你们队伍一样照搬了，那相似度就出来了。


据我估计，70%以上的队伍会因为这个事情受到影响。


但是不用担心，根据现在已有的消息判断，组委会重点追查的应该是雷同卷。详细点说——首先，本论文与不同论文之间相似度的累加应该不是大问题（细追究下去可能会有大问题，毕竟这么多奖项已经公布了）。其次，相似度大概达到95%以上，且结构一致的文章才会被拿来开刀。最后，你们关心的代码查重，这个应该来说是不会的，一来代码都在支撑文件里（规则上这次不需要放到附录），全部拿来查重，这可是O(n^2)的复杂度，二来没说代码不能重复，算法什么的不需要原创。


代码只能是论文被查出来之后再去验证一下代码是否一样，罪加一等，不会用它来做线索抓你们的。


最后说一句，MD5码和几乎查重没毛关系，正常情况下，除非内容完完全全一样，才能活动相同的MD5码。我们采用MD5码主要是为了方便8：00之前网络较卡的同学上传上MD5码，hash一下文章，防止8点之后再改。（然而这只是美好的愿望，他们没有想到这么多人挤着交不上，租个专业服务器就好了嘛，非要自己搞）

fox

恩恩，了解了，明年多多注意啦