KR101626247B1 - 온라인 서비스 가능한 유의어 사전 기반의 표절문서 탐색 시스템 - Google Patents

온라인 서비스 가능한 유의어 사전 기반의 표절문서 탐색 시스템 Download PDF

Info

Publication number
KR101626247B1
KR101626247B1 KR1020150001159A KR20150001159A KR101626247B1 KR 101626247 B1 KR101626247 B1 KR 101626247B1 KR 1020150001159 A KR1020150001159 A KR 1020150001159A KR 20150001159 A KR20150001159 A KR 20150001159A KR 101626247 B1 KR101626247 B1 KR 101626247B1
Authority
KR
South Korea
Prior art keywords
document
plagiarism
vector
word
representative
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020150001159A
Other languages
English (en)
Inventor
김유성
송광호
민지홍
이가영
Original Assignee
인하대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020150001159A priority Critical patent/KR101626247B1/ko
Priority to US14/618,083 priority patent/US20160196342A1/en
Application granted granted Critical
Publication of KR101626247B1 publication Critical patent/KR101626247B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/93—Document management systems
    • G06F17/30011—
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G06F17/2735—
    • G06F17/30699—

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

온라인 서비스 가능한 문서표절 탐색 시스템이 개시된다. 표절 탐색 시스템은 적어도 하나의 프로그램이 로딩된 메모리; 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 프로그램의 제어에 따라, 원본 문서와 검사대상 문서를 각각 단어 단위로 분할하여 유의어 사전에서 검색된 대표 유의어와 함께 데이터베이스에 저장하는 전처리 과정; 상기 원본 문서 중에서 자카드 계수(Jaccard Coefficient) 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제1 문서를 선별하는 과정; 및 상기 제1 문서 중에서 코사인(cosine) 거리 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제2 문서를 선별하는 과정을 처리한다.

Description

온라인 서비스 가능한 유의어 사전 기반의 표절문서 탐색 시스템{ONLINE PLAGIARIZED DOCUMENT DETECTION SYSTEM USING SYNONYM DICTIONARY}
본 발명의 실시 예들은 온라인으로 표절문서를 검사하는 시스템에 관한 것이다.
최근 한국, 미국 등 전 세계적으로 걸쳐 공직 후보자들의 논문 표절이 밝혀져 큰 논란이 되고 있다. 이러한 문제는 비단 어제, 오늘에 국한되어 일어난 일이 아니라서 이전부터 국내외에서 문서 표절의 기준과 유형 그리고 이를 검출할 수 있는 시스템 등에 관한 연구가 활발히 진행되고 있다.
여러 연구들에서는 표절의 의미에 대하여 "타인의 저작물 또는 아이디어를 적절한 출처표시 없이 자기 것인 양 부당하게 사용하는 행위 또는 세부유형은 출처표시를 제대로 했더라도 정당한 범위를 벗어나 질적 또는 양적 주종관계를 일으킬 정도로 인용한 경우"라고 정의하고 있다.
또한, 표절의 유형에 대하여는 복제(Copy and Paste), 의역(Paraphrasing), 축약(Summarizing), 재사용(Self-plagiarism), 문장의 구조 변경(Manipulation) 등으로 분류할 수 있다. 이처럼 표절의 정의와 유형에 관한 연구들이 활발하게 이루어져 표절에 대한 기준들이 확립되어 감에 따라 온라인 공간에서 디지털화 된 문서의 표절여부를 탐색하고 저작권을 관리하기 위한 표절문서 탐색 시스템에 대한 필요성이 증대하고 이를 개발하기 위한 많은 연구들이 수행되고 있다.
그러나, 기존의 표절문서 탐색 시스템들은 복제 및 축약 형태의 표절 검출에 대해서는 검출이 가능하나 의역 및 구조 변경 등의 표절 유형은 검출이 어려운 단점을 가지고 있다.
기존의 표절문서 탐색 시스템이 복제 및 축약형태의 표절만 검출할 수 있고 의역 및 구조 변경 등의 표절 유형에 대해서는 검출이 어려운 문제점을 해결하고자 문서로부터 형태소 분석 및 불용어 제거 등의 전처리 과정을 거쳐서 색인어 집합을 추출하고 유의어 사전을 활용하여 대표 유의어와 함께 데이터베이스에 저장하여 원문서에 대한 의역 및 구조 변경의 표절 유형도 검출할 수 있도록 확장하였다.
또한, 기존의 독립적인 표절문서 탐색 시스템을 확장하여 온라인 표절문서 검사 서비스를 제공하기 위해 먼저 대량의 문서 환경에 적용이 가능하도록 필터링 단계의 성능을 개선한 온라인 표절문서 탐색 시스템을 제공한다.
사용자 별 표절 검사 기록의 유지 관리가 가능하도록 하기 위해 데이터베이스를 설계하여 다수의 사용자를 대상으로 온라인 표절 검사 서비스를 제공하기 위한 웹 기반 표절문서 탐색 시스템을 제공한다.
적어도 하나의 프로그램이 로딩된 메모리; 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 프로그램의 제어에 따라, 원본 문서와 검사대상 문서를 각각 단어 단위로 분할하여 유의어 사전에서 검색된 대표 유의어와 함께 데이터베이스에 저장하는 전처리 과정; 상기 원본 문서 중에서 자카드 계수(Jaccard Coefficient) 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제1 문서를 선별하는 과정; 및 상기 제1 문서 중에서 코사인(cosine) 거리 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제2 문서를 선별하는 과정을 처리하는 표절 탐색 시스템을 제공한다.
일 측면에 따르면, 상기 전처리 과정은, 상기 원본 문서와 상기 검사대상 문서에서 분할된 상기 단어 단위의 색인어 각각에 대하여 상기 유의어 사전에서 상기 대표 유의어를 검색한 후, 상기 색인어 자체와 상기 색인어의 문장 내 위치 정보 및 상기 대표 유의어를 상기 데이터베이스에 저장하고, 상기 데이터베이스는 복제 형태, 축약 형태, 의역 형태, 문장 구조 변경 형태를 포함하는 표절 유형을 탐색하는데 이용될 수 있다.
다른 측면에 따르면, 상기 제1 문서를 선별하는 과정은, 상기 원본 문서에 포함된 단어를 해당 단어의 대표 유의어로 대체하여 저장하는 제1 벡터와 상기 검사대상 문서에 포함된 단어를 해당 단어의 대표 유의어로 대체하여 저장하는 제2 벡터를 생성하는 과정; 상기 제1 벡터와 상기 제2 벡터를 비교하여 동일한 단어의 개수로부터 자카드 계수를 계산하는 과정; 및 상기 자카드 계수가 표절 판정 기준 이상인 후보 문서를 상기 제1 문서로 선별하는 과정을 포함한다.
또 다른 측면에 따르면, 상기 제2 문서를 선별하는 과정은, 상기 제1 문서에 포함된 단어의 대표 유의어와 해당 단어의 출현 빈도를 저장하는 제1 벡터와 상기 검사대상 문서에 포함된 단어의 대표 유의어와 해당 단어의 출현 빈도를 저장하는 제2 벡터를 생성하는 과정; 상기 제1 벡터와 상기 제2 벡터의 차원을 동기화 하여 코사인 유사도를 계산하는 과정; 및 상기 코사인 유사도가 표절 판정 기준 이상인 제1 문서를 상기 제2 문서로 선별하는 과정을 포함한다.
또 다른 측면에 따르면, 상기 코사인 유사도를 계산하는 과정은, 상기 제1 벡터와 상기 제2 벡터를 비교하여 서로에게 없는 단어의 빈도를 0으로 하여 상기 제1 벡터와 상기 제2 벡터의 차원을 동기화 하는 과정; 상기 제1 벡터와 상기 제2 벡터를 각각 정규화 하여 크기를 1로 생성하는 과정; 및 정규화 된 상기 제1 벡터와 상기 제2 벡터를 이용하여 상기 코사인 유사도를 계산하는 과정을 포함한다.
적어도 하나의 프로그램이 로딩된 메모리; 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 프로그램의 제어에 따라, 원본 문서를 단어 단위로 분할하여 유의어 사전에서 검색된 대표 유의어와 함께 데이터베이스에 저장하는 과정; 인터넷을 통해 사용자로부터 업로드 된 검사대상 문서를 단어 단위로 분할하여 상기 유의어 사전에서 검색된 대표 유의어와 함께 상기 데이터베이스에 저장하는 과정; 상기 검사대상 문서에 대하여 상기 원본 문서와의 비교를 통해 상기 검사대상 문서의 표절 검사를 수행하는 과정; 및 상기 표절 검사의 결과를 상기 사용자 및 상기 원본 문서를 등록한 관리자 중 적어도 하나에게 제공하는 과정을 포함하는 표절 탐색 시스템을 제공한다.
일 측면에 따르면, 상기 제공하는 과정은, 상기 검사대상 문서에 대한 정보, 상기 검사대상 문서에서 검출된 표절 의심 구간, 상기 표절 의심 구간을 포함하는 표절 의심 문장, 상기 표절 의심 문장과 비교된 원본 문장, 상기 원본 문장을 포함하는 원본 문서에 대한 정보 중 적어도 하나를 상기 표절 검사의 결과로 제공한다.
다른 측면에 따르면, 상기 제공하는 과정은, 상기 검사대상 문서가 표절한 것으로 판단되는 원본 문서에 대한 다운로드 기능을 제공한다.
또 다른 측면에 따르면, 상기 검사대상 문서의 표절 검사를 수행하는 과정은, 상기 원본 문서와 상기 검사대상 문서에서 분할된 상기 단어 단위의 색인어 각각을 상기 유의어 사전에서 검색된 대표 유의어로 변경하는 과정; 상기 원본 문서 중에서 자카드 계수(Jaccard Coefficient) 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제1 문서를 선별하는 과정; 및 상기 제1 문서 중에서 코사인(cosine) 거리 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제2 문서를 선별하는 과정을 포함한다.
본 발명의 실시 예에 따르면, 원본 문서와 검사대상 문서의 색인어를 유의어 사전을 검색하여 대표 유의어도 함께 데이터베이스에 저장하고 표절 확인 단계에서 활용함으로써 대상에서 원문의 문장을 그대로 복제한 표절 유형뿐만 아니라 색인어를 다른 유사한 색인어로 변경한 의역 표절 유형 그리고 문장의 어순을 바꾼 구조 변경 유형의 표절까지도 탐색할 수 있다.
이렇게 형태소 분석을 이용한 표절 검사 시스템은 패턴 매칭을 활용하는 기존의 표절 검사 시스템보다 표절 검사 실행 시간이 길어지는 폐단이 있을 수 있는데 이를 해소하기 위한 방안으로서 본 발명의 실시예에 따르면, 코사인 거리 기반의 필터링 단계의 이전 단계에 자카드 계수 기반의 필터링 단계를 추가하여 표절 여부를 확인하기 위한 유사도 계산의 문서 수를 줄임으로써 코사인 거리 기반의 필터링 단계만을 사용하는 기존 시스템보다 실행 시간 측면의 성능을 개선할 수 있다.
본 발명의 실시예에 따르면, 온라인 상에서 다수 사용자를 대상으로 표절 검사 서비스를 제공함으로써 일반적인 표절 문서 탐색 기능 뿐 아니라 표절 검사 이력을 확인할 수 있는 히스토리 기능, 문서 내 표절 구간까지 확인할 수 있는 상세 조회 기능, 탐색한 문서의 서지 정보를 제공하는 인용 정보 지원 기능 등 온라인 서비스에서 쓰일 다양한 기능을 지원할 수 있다.
도 1은 본 발명의 일 실시예에 있어서, 온라인 서비스가 가능한 유의어 사전 기반의 표절문서 탐색 시스템의 전체 구성도를 도시한 것이다.
도 2는 문서표절 탐색을 위한 전처리 과정을 설명하기 위한 예시 도면이다.
도 3은 코사인 유사도 기반의 필터링 단계만을 적용한 표절 탐색 시스템의 성능 시험 결과를 도시한 것이다.
도 4는 벡터 공간 모델의 유사도 계산 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 있어서, 자카드 계수 기반의 필터링 단계가 추가된 표절 탐색 방법을 도시한 순서도이다.
도 6은 본 발명의 일 실시예에 있어서, 자카드 계수 기반 필터링 단계의 구체적인 과정을 설명하기 위한 도면이다.
도 7 내지 도 8은 검사대상 문서 예시 문장과 예시 문장에 대한 전처리 결과를 도시한 것이다.
도 9는 본 발명의 일 실시예에 있어서, 온라인 표절 탐색 서비스를 지원하기 위한 데이터베이스 스키마를 도시한 것이다.
도 10은 본 발명의 일 실시예에 있어서, 온라인 표절 탐색 서비스의 구성 및 흐름도를 도시한 것이다.
도 11은 본 발명의 일 실시예에 있어서, 온라인 표절 탐색 서비스를 위한 시스템과 사용자 단말 간의 개괄적인 모습을 도시한 것이다.
도 12는 본 발명의 일 실시예에 있어서, 온라인 표절 탐색 서비스를 위한 시스템 내부 구성을 설명하기 위한 블록도이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 있어서, 온라인 서비스가 가능한 유의어 사전 기반의 표절문서 탐색 시스템의 전체 구성도를 도시한 것이다.
본 발명에서는 유의어 사전 기반의 표절 탐색 시스템을 온라인 기반의 표절 검색 서비스를 제공하기 위해서 데이터베이스를 설계하고 표절 검색의 성능 향상을 위해 필터링 단계를 개선하는 방안을 제안한다.
본 발명에 따른 표절 탐색 시스템(100)에서는 전처리 과정(101)에서 원본 문서(111)와 검사대상 문서(121)를 단어 단위로 분할한 후 색인어 집합과 이에 대한 대표 유의어를 유의어 사전에서 검색하여 색인어 자체와 색인어의 문장 내 위치 정보, 그리고 대표 유의어를 함께 데이터베이스(102)에 저장하고 이를 기반으로 의역 및 문장 구조 변경 유형의 문서 표절을 검출할 수 있다.
다시 말해, 표절 탐색 시스템(100)에서는 원본 문서(111)와 검사대상 문서(121)로부터 형태소 분석 및 불용어 제거 등의 전처리 과정(101)을 거쳐서 색인어 집합을 추출하고 유의어 사전을 활용하여 대표 유의어와 함께 데이터베이스(102)에 저장하여 원본 문서(111)에 대한 복제 및 축약 형태의 표절 유형은 물론, 의역 및 구조 변경의 표절 유형까지 검출할 수 있다.
이때, 형태소 분석을 이용한 표절 탐색의 경우 패턴 매칭을 활용하는 기존의 표절 검사 시스템보다 표절 검사 실행 시간이 길어지는 폐단이 있을 수 있으나, 본 발명에서 표절 탐색 시스템(100)은 표절구간 탐색 과정(103)에서 코사인 거리 기반의 필터링 단계의 이전에 자카드 계수 기반의 필터링 단계를 추가하여 표절 여부를 확인하기 위한 유사도 계산의 문서 수를 줄임으로써 실행 시간 측면의 성능을 개선할 수 있다.
표절문서 탐색 방법의 일 예로, 검사대상 문서원본 문서에 포함된 문장의 어절을 순차적으로 복수 개씩 묶어 색인 키들을 생성하고 검사대상 문서에 포함된 문장 역시 같은 방법으로 하여 탐색 키들을 생성한다. 그 후 두 키들을 음절단위로 비교해가는 N-gram방식으로 표절검사를 진행하거나 해당 키들을 해시코드로 변환하여 비교하는 방식으로 표절검사를 진행한다. 이러한 방식은 복사 유형의 표절에 대한 검출에는 뛰어난 성능을 보이나 그 외의 다른 유형의 표절에 대해서는 탐색이 어려운 단점이 있다.
기존 연구들의 단점들을 해결하고자 유의어 사전 기반의 표절 탐색 시스템은 문서 내 표절 구간의 탐색을 위해 전처리 단계, 필터링 단계, 문장 간 유사도 검사 단계의 총 3단계로 이루어진 검사를 실시한다. 먼저, 전처리 단계에서는 문서의 표절구간을 탐색하기 위해서 사전에 등록되는 원본 문서를 대상으로 텍스트를 문장 단위와 단어 단위로 각각 분할한다. 분할된 단어들은 불용어(stop-word)를 제거하는 과정을 거치고 난 후 유의어 사전을 통하여 검색된 대표 유의어와 함께 문장 내 색인어의 위치, 그리고 문장 자체와 함께 데이터베이스에 저장된다. 예를 들어, 도 2를 참조하면 '사람은 누구나 자기를 알아주는 사람을 위해 헌신한다.'와 같은 문장으로 이루어진 문서가 원본 문서로 입력되면 상기한 전처리 과정을 거쳐 도 2의 표와 같은 형태로 데이터베이스에 저장된다.
표절 검사를 위해 사용자가 검사대상 문서를 입력하는 경우에도 원본 문서를 처리하는 전처리 과정과 동일한 전처리 과정을 거친다. 이렇게 구성된 검사대상 문서 정보를 이용해 데이터베이스 내의 원본문서 정보를 대상으로 필터링 단계를 진행한다. 먼저, 검사대상 문서 내의 색인어의 대표 유의어 정보 및 문서 내 출현빈도 정보를 이용해 벡터를 구성한다. 데이터베이스에 저장된 원본 문서에 대하여 동일한 방법으로 벡터를 구성한 뒤 두 벡터의 차원을 동기화 하여 상호 간의 코사인 유사도(cosine similarity)를 계산한다. 계산된 유사도를 이용해 데이터베이스에 저장된 원본 문서 중에서 유사한 문서를 선별(필터링)한다. 마지막으로, 선별된 후보 원본 문서의 문장들과 사용자가 업로드 한 검사대상 문서의 문장들 간에 유클리디안 거리 알고리즘을 이용한 유사도 검사로 표절 구간을 찾아내는 표절 탐색 단계를 수행한다. 이로써 복제 표절 유형은 물론 이전 연구들이 검출하지 못한 의역, 축약, 그리고 구조 변경 표절 유형들의 검출이 가능하다.
그러나, 상기한 표절 검사 방식을 대용량 문서 환경에 적용할 경우에 필터링을 위한 벡터 공간 모델의 코사인 유사도 거리 계산에 필요한 과도한 연산 양으로 인해 검사 소요 시간이 기하급수적 증가하는 문제점을 성능 분석을 통해 발견할 수 있다. 또한, 유의어 사전 기반의 표절 탐색 시스템은 독립적으로 운용되도록 개발된 시스템이기 때문에 이를 온라인 상에서 다수의 사용자를 대상으로 사용자 별로 표절 검색 서비스 기록 정보를 제공하기 위해서는 데이터베이스 구조를 확장해야 할 필요가 있다.
도 3은 유의어 사전 기반의 표절 탐색 시스템의 성능 평가 결과를 도시한 것이다.
성능 평가는 82개의 원본 문서에 대해 다양한 크기(검사대상 문서 내 포함된 단어의 수)의 검사대상 문서를 기준으로 진행한 것이며, 이는 검사대상 문서 내 포함된 단어의 수가 많을수록 원본 문서와의 비교 횟수가 증가하므로 유효한 성능평가 기준이 될 수 있다.
검사대상 문서의 크기가 증가할수록 현저한 속도 감소가 발생하며 그 속도 감소의 대부분이 필터링 단계에서 발생함을 볼 수 있다. 이는 유의어 사전 기반의 표절 탐색 시스템이 대용량 문서 환경에 부적합함을 보여 주는 것으로 이는 벡터 공간 모델을 기반으로 한 필터링이 원인인 것으로 분석되며, 벡터 공간 모델을 이용한 필터링은 도 4와 같이 수행된다.
도 4에서 단계 3을 보면 매 검사마다 벡터들은 서로가 가진 색인어를 비교하며 두 벡터의 차원을 동기화해야 하는데 이 과정이 최대 O(n2)의 복잡도를 가지므로 색인어 수 n이 늘어날수록 그 실행시간이 기하급수적으로 늘어난다는 것을 알 수 있다. 따라서, 본 발명에서는 벡터 공간 모델에서 코사인 유사도 계산의 문서 개수를 줄이고자 기존 전처리 단계와 코사인 유사도 기반의 필터링 단계 사이에 자카드 계수를 적용시킨 새로운 필터링 단계를 적용한다.
도 5는 본 발명의 일 실시예에 있어서, 자카드 계수 기반 필터링 단계가 추가된 표절 탐색 방법을 도시한 순서도이고, 도 6은 본 발명의 일 실시예에 있어서, 자카드 계수를 이용한 필터링 절차를 도시한 것이다.
도 5를 참조하면, 먼저 전처리 단계(510)에서는 문서의 표절구간을 탐색하기 위해서 사전에 등록되는 원본 문서를 대상으로 텍스트를 문장 단위와 단어 단위로 각각 분할한다. 구체적인 전처리 단계(510)는 도 2를 통해 설명한 바와 동일하다.
본 발명에서는 도 5에 도시한 바와 같이 전처리 단계(510)가 끝나면 새로운 필터링 단계인 자카드 계수를 이용한 제1 필터링 단계(520)를 수행한다. 도 6을 참조하면, 제1 필터링 단계에서는 원본 문서와 검사대상 문서에 대하여 각각의 색인어를 해당 단어의 대표 유의어로 대체하여 저장하는 벡터 A와 벡터 B를 생성한다. 그 후 생성된 벡터를 상호 비교하여 동일한 색인어의 개수를 계산한다. 이를 이용하여 자카드 계수를 계산하고 그 결과가 일정 기준(예컨대, 25%)을 초과하는 문서들을 다음 필터링 단계인 벡터 공간 모델 및 코사인 거리를 이용한 제2 필터링 단계(530)로 넘겨준다. 제2 필터링 단계(530)와 표절구간 탐색 단계(540)는 앞서 설명한 내용과 동일하다.
예를 들어, 도 2와 같은 원본 문서('사람은 누구나 자기를 알아주는 사람을 위해 헌신한다.')가 데이터베이스에 들어있는 경우에 도 7의 예시 문장을 갖는 검사대상 문서들을 대상으로 표절검사 한다고 가정하자.
예시 문장 1, 2, 3을 각각 검사대상 문서로서 입력하여 표절 검사 수행할 경우 전처리 과정을 거쳐서 도 8과 같은 결과를 얻게 된다. 예시 문장 각각에 대해 데이터베이스에 저장된 정보를 이용하여 원본 문서와 필터링을 위한 유사도를 계산하면 표 1과 같은 결과를 얻을 수 있다.
유사도
원본문서 대비 기존 필터링 개선된 필터링
검사대상 문서 1 0.00 0.00
검사대상 문서 2 0.63 0.17
검사대상 문서 3 0.88 0.67
여기서 주목할 점은 '검사대상 문서 2'의 결과이다. 도 2의 원본 문서의 문장은 '사람은 누구나 자기를 알아주는 사람을 위해 헌신한다'이고 도 7의 검사대상 문서 2의 문장은 '사람이 사람이라고 다 사람이 아니고 사람다워야 사람이다'로 서로 전혀 다른 의미의 문장이다. 그러나, 표 1의 결과를 보면 필터링 단계로서 코사인 유사도 기반의 필터링 단계(530)만을 이용하는 경우에서는 유사도가 0.63으로 유클리디안 거리 기반의 표절구간 탐색 단계(540)의 대상이 되지만 자카드 계수 기반의 필터링 단계(520)를 추가하여 코사인 유사도 기반의 필터링 단계(530)와 함께 이용하는 경우에서는 유사도가 0.17로 다음 단계(540)의 대상이 되지 않는 것을 볼 수 있다. 이는 개선된 필터링이 더 정확한 원본 문서 필터링을 제공함을 명확히 보여주는 것이다.
또한, 성능 측면에서도 차이가 있는데 도 6의 자카드 계수 기반의 필터링은 벡터 차원의 동기화가 불필요하므로 벡터 공간 모델 기반의 필터링보다 계산양이 줄어 전체 실행 속도를 기존의 시스템의 속도보다 빠르게 할 수 있음을 확인할 수 있다.
더 나아가, 온라인 상에서 다수의 사용자를 대상으로 사용자 별 표절 탐색 기록 정보를 제공하기 위해서는 데이터베이스 구조를 확장해야 할 필요가 있다. 따라서, 기존 데이터베이스 스키마를 기반으로 도 9와 같은 새로운 데이터베이스 스키마를 설계하기로 한다.
도 9의 ①은 기관 사용자에 의해 업로드 되는 원본 문서를 위한 영역이다. 해당 영역의 테이블들은 원본 문서의 서지 정보 및 원문 정보, 저작권자 정보, 문서 전체에 등장하는 단어의 빈도 정보, 문서 내 문장 정보, 문장 내 단어의 위치 등을 각각 저장하고 해당 정보들을 이용하여 검사대상 문서와의 표절 검사를 수행한다.
도 9의 ②는 일반 사용자에 의해 업로드 되는 검사대상 문서를 위한 영역이다. 해당 영역의 테이블들은 검사대상 문서의 내용, 문서 전체에 등장하는 단어의 빈도 정보, 문서 내 문장 정보, 문장 내 단어의 위치 등을 각각 저장하고 해당 정보들을 이용하여 원본 문서와의 표절검사를 수행한다.
도 9의 ③은 본 발명이 적용된 서비스의 이용자 정보를 저장하기 위한 영역이다. 본 테이블은 가입 시 입력 받은 사용자 ID와 패스워드, 사용자의 타입(기관 사용자 또는 일반 사용자) 등을 저장하여 해당 이용자에 적합한 서비스를 제공하기 위하여 사용된다.
도 9의 ④는 이용자가 검사했던 검사대상 문서의 표절 검사 내역을 저장하기 위한 영역이다. ④의 테이블을 추가함으로써 온라인 서비스에서 제공하고자 하는 사용자 별 표절 검사 기록 유지 및 관리 기능을 가능하도록 해 줄 수 있다.
이하에서는 본 발명에 따른 문서표절 탐색 시스템과 도 9의 데이터베이스 스키마를 기반으로 사용자 별 표절 검사 기록 관리가 가능한 온라인 문서표절 탐색 시스템의 구현에 대해서 설명하기로 한다.
도 1은 온라인 표절 탐색 서비스 시스템의 개략 구조를 표시하고 있다.
도 1에 도시한 바와 같이, 본 발명의 표절 탐색 시스템(100)이 적용된 온라인 서비스 상에 기관 사용자(110)는 표절 검사의 대상인 원본 문서(111)를 서지 정보(112)와 함께 업로드 할 수 있고 일반 사용자(120)는 오직 검사대상 문서(121)를 업로드 하여 표절 검사만을 실시할 수 있다. 표절 탐색 결과는 일반 사용자(120) 별로 데이터베이스(102)에 저장되며, 이에 일반 사용자(120)는 필요에 따라 누적된 표절 탐색 결과 기록(122)을 확인할 수 있도록 한다.
또한, 검사 기록 유지 관리 기능 외에도 다음의 기능들을 지원하기 위하여 도 10과 같이 온라인 서비스 구성 및 흐름도를 적용할 수 있다.
1. 회원을 기관 사용자와 일반 사용자로 구분하여 일반 사용자와 기관 사용자에게는 표절 검사, 누적 표절 검사 기록 확인 기능을 제공하고 기관 사용자에게는 추가로 원본 문서 등록 기능을 제공한다.
2. 표절 검사의 결과로서 검사대상 문서에서 검출된 표절 의심 문장과 표절 원본 문서의 해당 문장, 그리고 표절 의심 구간, 표절 정도 등을 제시하는 상세 조회 기능을 제공한다.
3. 표절 검사 후 기능으로서 표절 원본 문서로 탐색된 문서들의 서지 정보를 참고 문헌 형식으로 제공하는 인용 정보 지원 기능을 제공한다.
4. 표절 원본 문서로 탐색된 문서들의 원본 문서를 선택적으로 다운로드 받을 수 있도록 하는 원본 문서 다운로드 기능을 제공한다.
위와 같은 기능들을 제공함으로써 서비스 이용자에게 보다 사용자 친화적인 온라인 표절 탐색 서비스를 제공할 수 있다.
도 11은 본 발명의 일 실시예에 있어서, 사용자 단말과 표절 탐색 시스템 간의 개괄적인 모습을 도시한 것이다. 도 11에서는 표절 탐색 시스템(1100) 및 사용자 단말(1101)을 도시하고 있다. 도 11에서 화살표는 표절 탐색 시스템(1100)과 사용자 단말(1101) 간에 유/무선 네트워크를 통해 데이터가 송수신될 수 있음을 의미할 수 있다.
사용자 단말(1101)은 기관 사용자나 일반 사용자가 이용하는 PC, 노트북, 스마트폰(smart phone), 태블릿(tablet), 웨어러블 컴퓨터(wearable computer) 등으로, 표절 탐색 시스템(1100)과 관련된 웹/모바일 사이트의 접속 또는 서비스 전용 어플리케이션의 설치 및 실행이 가능한 모든 단말 장치를 의미할 수 있다. 이때, 사용자 단말(1101)은 웹/모바일 사이트 또는 전용 어플리케이션의 제어 하에 서비스 화면 구성, 데이터 입력, 데이터 송수신, 데이터 저장 등 서비스 전반의 동작을 수행할 수 있다.
표절 탐색 시스템(1100)은 문서 간 유사도 비교를 통해 표절 검사를 수행하는 서비스 플랫폼 역할을 한다. 특히, 표절 탐색 시스템(1100)은 앞서 설명한 바와 같이 자카드 계수 기반의 필터링 단계를 추가한 표절 탐색 방법을 적용하고 온라인에서 다수 사용자를 대상으로 표절 검사 서비스를 제공할 수 있다.
도 12는 본 발명의 일 실시예에 있어서, 표절 탐색 시스템의 내부 구성을 설명하기 위한 블록도이다.
본 실시예에 따른 표절 탐색 시스템(1200)은 프로세서(1210), 버스(1220), 네트워크 인터페이스(1230), 메모리(1240) 및 데이터베이스(1250)를 포함할 수 있다. 메모리(1240)는 운영체제(1241) 및 서비스 제공 루틴(1242)를 포함할 수 있다. 다른 실시예들에서 표절 탐색 시스템(1200)은 도 12의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 표절 탐색 시스템(1200)은 디스플레이나 트랜시버(transceiver)와 같은 다른 구성요소들을 포함할 수도 있다.
메모리(1240)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(1240)에는 운영체제(1241)와 서비스 제공 루틴(1242)을 위한 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘(drive mechanism, 미도시)을 이용하여 메모리(1240)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체(미도시)를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 네트워크 인터페이스(1230)를 통해 메모리(1240)에 로딩될 수도 있다.
버스(1220)는 표절 탐색 시스템(1200)의 구성요소들간의 통신 및 데이터 전송을 가능하게 할 수 있다. 버스(1220)는 고속 시리얼 버스(high-speed serial bus), 병렬 버스(parallel bus), SAN(Storage Area Network) 및/또는 다른 적절한 통신 기술을 이용하여 구성될 수 있다.
네트워크 인터페이스(1230)는 표절 탐색 시스템(1200)을 컴퓨터 네트워크에 연결하기 위한 컴퓨터 하드웨어 구성요소일 수 있다. 네트워크 인터페이스(1230)는 표절 탐색 시스템(1200)을 무선 또는 유선 커넥션을 통해 컴퓨터 네트워크에 연결시킬 수 있다.
데이터베이스(1250)는 온라인 상에서 표절 탐색을 수행하고 수행된 탐색 결과를 제공하기 위한 서비스 전반의 정보를 저장 및 유지하는 역할을 할 수 있다. 도 12에서는 표절 탐색 시스템(1200)의 내부에 데이터베이스(1250)를 구축하여 포함하는 것으로 도시하고 있으나, 이에 한정되는 것은 아니며 시스템 구현 방식이나 환경 등에 따라 생략될 수 있고 혹은 전체 또는 일부의 데이터베이스가 별개의 다른 시스템 상에 구축된 외부 데이터베이스로서 존재하는 것 또한 가능하다.
프로세서(1210)는 기본적인 산술, 로직 및 표절 탐색 시스템(1200)의 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(1240) 또는 네트워크 인터페이스(1230)에 의해, 그리고 버스(1220)를 통해 프로세서(1210)로 제공될 수 있다. 프로세서(1210)는 도 4 내지 도 10을 통해 설명한 표절 탐색 및 온라인 서비스 제공을 프로그램 코드를 실행하도록 구성될 수 있다. 이러한 프로그램 코드는 메모리(1240)와 같은 기록 장치에 저장될 수 있다.
프로세서(1210)의 수행 동작은 도 1 내지 도 10을 통해 설명한 상세한 설명과 동일하므로 구체적인 기재는 생략하기로 한다.
상기한 표절 탐색 방법은 도 1 내지 도 10을 통해 설명한 표절 탐색 시스템의 상세 내용을 바탕으로 보다 단축된 동작들 또는 추가의 동작들을 포함할 수 있다. 또한, 둘 이상의 동작이 조합될 수 있고, 동작들의 순서나 위치가 변경될 수 있다.
본 발명의 실시예에 따른 방법들은 다양한 컴퓨터 시스템을 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 또한, 본 실시예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다.
이와 같이, 본 발명의 실시 예에 따르면, 원본 문서와 검사대상 문서의 색인어를 유의어 사전을 검색하여 대표 유의어도 함께 데이터베이스에 저장하고 표절 확인 단계에서 활용함으로써 대상에서 원문의 문장을 그대로 복제한 표절 유형뿐만 아니라 색인어를 다른 유사한 색인어로 변경한 의역 표절 유형 그리고 문장의 어순을 바꾼 구조 변경 유형의 표절까지도 탐색할 수 있다. 이렇게 형태소 분석을 이용한 표절 검사 시스템은 패턴 매칭을 활용하는 기존의 표절 검사 시스템보다 표절 검사 실행 시간이 길어지는 폐단이 있을 수 있는데 이를 해소하기 위한 방안으로서 본 발명의 실시예에 따르면, 코사인 거리 기반의 필터링 단계의 이전 단계에 자카드 계수 기반의 필터링 단계를 추가하여 표절 여부를 확인하기 위한 유사도 계산의 문서 수를 줄임으로써 코사인 거리 기반의 필터링 단계만을 사용하는 기존 시스템보다 실행 시간 측면의 성능을 개선할 수 있다. 또한, 본 발명의 실시예에 따르면, 온라인 상에서 다수 사용자를 대상으로 표절 검사 서비스를 제공함으로써 일반적인 표절 문서 탐색 기능 뿐 아니라 표절 검사 이력을 확인할 수 있는 히스토리 기능, 문서 내 표절 구간까지 확인할 수 있는 상세 조회 기능, 탐색한 문서의 서지 정보를 제공하는 인용 정보 지원 기능 등 온라인 서비스에서 쓰일 다양한 기능을 지원할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (11)

  1. 적어도 하나의 프로그램이 로딩된 메모리; 및
    적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는, 상기 프로그램의 제어에 따라,
    원본 문서와 검사대상 문서를 각각 단어 단위로 분할하여 유의어 사전에서 검색된 대표 유의어와 함께 데이터베이스에 저장하는 전처리 과정;
    상기 원본 문서 중에서 자카드 계수(Jaccard Coefficient) 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제1 문서를 선별하는 과정; 및
    상기 제1 문서 중에서 코사인(cosine) 거리 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제2 문서를 선별하는 과정
    을 처리하는 표절 탐색 시스템.
  2. 제1항에 있어서,
    상기 전처리 과정은,
    상기 원본 문서와 상기 검사대상 문서에서 분할된 상기 단어 단위의 색인어 각각에 대하여 상기 유의어 사전에서 상기 대표 유의어를 검색한 후, 상기 색인어 자체와 상기 색인어의 문장 내 위치 정보 및 상기 대표 유의어를 상기 데이터베이스에 저장하고,
    상기 데이터베이스는 복제 형태, 축약 형태, 의역 형태, 문장 구조 변경 형태를 포함하는 표절 유형을 탐색하는데 이용되는 것
    을 특징으로 하는 표절 탐색 시스템.
  3. 제1항에 있어서,
    상기 제1 문서를 선별하는 과정은,
    상기 원본 문서에 포함된 단어를 해당 단어의 대표 유의어로 대체하여 저장하는 제1 벡터와 상기 검사대상 문서에 포함된 단어를 해당 단어의 대표 유의어로 대체하여 저장하는 제2 벡터를 생성하는 과정;
    상기 제1 벡터와 상기 제2 벡터를 비교하여 동일한 단어의 개수로부터 자카드 계수를 계산하는 과정; 및
    상기 자카드 계수가 표절 판정 기준 이상인 후보 문서를 상기 제1 문서로 선별하는 과정
    을 포함하는 표절 탐색 시스템.
  4. 제1항에 있어서,
    상기 제2 문서를 선별하는 과정은,
    상기 제1 문서에 포함된 단어의 대표 유의어와 해당 단어의 출현 빈도를 저장하는 제1 벡터와 상기 검사대상 문서에 포함된 단어의 대표 유의어와 해당 단어의 출현 빈도를 저장하는 제2 벡터를 생성하는 과정;
    상기 제1 벡터와 상기 제2 벡터의 차원을 동기화 하여 코사인 유사도를 계산하는 과정; 및
    상기 코사인 유사도가 표절 판정 기준 이상인 제1 문서를 상기 제2 문서로 선별하는 과정
    을 포함하는 표절 탐색 시스템.
  5. 제4항에 있어서,
    상기 코사인 유사도를 계산하는 과정은,
    상기 제1 벡터와 상기 제2 벡터를 비교하여 서로에게 없는 단어의 빈도를 0으로 하여 상기 제1 벡터와 상기 제2 벡터의 차원을 동기화 하는 과정;
    상기 제1 벡터와 상기 제2 벡터를 각각 정규화 하여 크기를 1로 생성하는 과정; 및
    정규화 된 상기 제1 벡터와 상기 제2 벡터를 이용하여 상기 코사인 유사도를 계산하는 과정
    을 포함하는 표절 탐색 시스템.
  6. 적어도 하나의 프로그램이 로딩된 메모리; 및
    적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는, 상기 프로그램의 제어에 따라,
    원본 문서를 단어 단위로 분할하여 유의어 사전에서 검색된 대표 유의어와 함께 데이터베이스에 저장하는 과정;
    인터넷을 통해 사용자로부터 업로드 된 검사대상 문서를 단어 단위로 분할하여 상기 유의어 사전에서 검색된 대표 유의어와 함께 상기 데이터베이스에 저장하는 과정;
    상기 검사대상 문서에 대하여 상기 원본 문서와의 비교를 통해 상기 검사대상 문서의 표절 검사를 수행하는 과정; 및
    상기 표절 검사의 결과를 상기 사용자 및 상기 원본 문서를 등록한 관리자 중 적어도 하나에게 제공하는 과정
    을 포함하고,
    상기 검사대상 문서의 표절 검사를 수행하는 과정은,
    상기 원본 문서와 상기 검사대상 문서에서 분할된 상기 단어 단위의 색인어 각각을 상기 유의어 사전에서 검색된 대표 유의어로 변경하는 과정;
    상기 원본 문서 중에서 자카드 계수(Jaccard Coefficient) 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제1 문서를 선별하는 과정; 및
    상기 제1 문서 중에서 코사인(cosine) 거리 기반의 유사도를 기준으로 상기 검사대상 문서와 유사한 제2 문서를 선별하는 과정
    을 포함하는 표절 탐색 시스템.
  7. 제6항에 있어서,
    상기 제공하는 과정은,
    상기 검사대상 문서에 대한 정보, 상기 검사대상 문서에서 검출된 표절 의심 구간, 상기 표절 의심 구간을 포함하는 표절 의심 문장, 상기 표절 의심 문장과 비교된 원본 문장, 상기 원본 문장을 포함하는 원본 문서에 대한 정보 중 적어도 하나를 상기 표절 검사의 결과로 제공하는 것
    을 특징으로 하는 표절 탐색 시스템.
  8. 제6항에 있어서,
    상기 제공하는 과정은,
    상기 검사대상 문서가 표절한 것으로 판단되는 원본 문서에 대한 다운로드 기능을 제공하는 것
    을 특징으로 하는 표절 탐색 시스템.
  9. 삭제
  10. 제6항에 있어서,
    상기 제1 문서를 선별하는 과정은,
    상기 원본 문서에 포함된 단어를 해당 단어의 대표 유의어로 대체하여 저장하는 제1 벡터와 상기 검사대상 문서에 포함된 단어를 해당 단어의 대표 유의어로 대체하여 저장하는 제2 벡터를 생성하는 과정;
    상기 제1 벡터와 상기 제2 벡터를 비교하여 동일한 단어의 개수로부터 자카드 계수를 계산하는 과정; 및
    상기 자카드 계수가 표절 판정 기준 이상인 후보 문서를 상기 제1 문서로 선별하는 과정
    을 포함하는 표절 탐색 시스템.
  11. 제6항에 있어서,
    상기 제2 문서를 선별하는 과정은,
    상기 제1 문서에 포함된 단어의 대표 유의어와 해당 단어의 출현 빈도를 저장하는 제1 벡터와 상기 검사대상 문서에 포함된 단어의 대표 유의어와 해당 단어의 출현 빈도를 저장하는 제2 벡터를 생성하는 과정;
    상기 제1 벡터와 상기 제2 벡터의 차원을 동기화 하여 코사인 유사도를 계산하는 과정; 및
    상기 코사인 유사도가 표절 판정 기준 이상인 제1 문서를 상기 제2 문서로 선별하는 과정
    을 포함하는 표절 탐색 시스템.
KR1020150001159A 2015-01-06 2015-01-06 온라인 서비스 가능한 유의어 사전 기반의 표절문서 탐색 시스템 Active KR101626247B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020150001159A KR101626247B1 (ko) 2015-01-06 2015-01-06 온라인 서비스 가능한 유의어 사전 기반의 표절문서 탐색 시스템
US14/618,083 US20160196342A1 (en) 2015-01-06 2015-02-10 Plagiarism Document Detection System Based on Synonym Dictionary and Automatic Reference Citation Mark Attaching System

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150001159A KR101626247B1 (ko) 2015-01-06 2015-01-06 온라인 서비스 가능한 유의어 사전 기반의 표절문서 탐색 시스템

Publications (1)

Publication Number Publication Date
KR101626247B1 true KR101626247B1 (ko) 2016-06-01

Family

ID=56138465

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150001159A Active KR101626247B1 (ko) 2015-01-06 2015-01-06 온라인 서비스 가능한 유의어 사전 기반의 표절문서 탐색 시스템

Country Status (1)

Country Link
KR (1) KR101626247B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101663453B1 (ko) * 2016-08-03 2016-10-07 주식회사 비욘드테크 문장 순서 및 구조 변경을 이용한 문장 유사도 산출 장치 및 그 방법
KR101663454B1 (ko) * 2016-08-03 2016-10-07 주식회사 비욘드테크 키워드 가중치를 이용한 문장 유사도 산출 장치 및 그 방법
KR20180054308A (ko) * 2016-11-15 2018-05-24 한국과학기술원 함의 문장 생성 기술을 활용한 문장 표절 판단 장치, 이를 구현하기 위한 프로그램 및 기록 매체
CN112131859A (zh) * 2020-08-25 2020-12-25 中央民族大学 藏文作文抄袭检测原型系统
CN112307159A (zh) * 2019-12-26 2021-02-02 上海携宁计算机科技股份有限公司 相似文本的检索方法
US11631270B2 (en) 2019-12-11 2023-04-18 Naver Corporation Methods and systems for detecting duplicate document using document similarity measuring model based on deep learning
WO2024085717A1 (ko) * 2022-10-20 2024-04-25 주식회사 아이팩토리 논문 작성 장치, 방법, 컴퓨터 프로그램, 컴퓨터로 판독 가능한 기록매체, 서버 및 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100717998B1 (ko) * 2005-12-26 2007-05-15 고려대학교 산학협력단 문서의 표절 검사 방법
KR100788440B1 (ko) * 2006-06-29 2007-12-24 중앙대학교 산학협력단 도용 패턴에 기반한 복사 감지시스템
KR20110123368A (ko) * 2010-05-07 2011-11-15 (주)휴먼토크 통합뷰어를 활용한 표절검사 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100717998B1 (ko) * 2005-12-26 2007-05-15 고려대학교 산학협력단 문서의 표절 검사 방법
KR100788440B1 (ko) * 2006-06-29 2007-12-24 중앙대학교 산학협력단 도용 패턴에 기반한 복사 감지시스템
KR20110123368A (ko) * 2010-05-07 2011-11-15 (주)휴먼토크 통합뷰어를 활용한 표절검사 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
http://blog.naver.com/minearmy21/220168695276, 2014.11.01 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101663453B1 (ko) * 2016-08-03 2016-10-07 주식회사 비욘드테크 문장 순서 및 구조 변경을 이용한 문장 유사도 산출 장치 및 그 방법
KR101663454B1 (ko) * 2016-08-03 2016-10-07 주식회사 비욘드테크 키워드 가중치를 이용한 문장 유사도 산출 장치 및 그 방법
KR20180054308A (ko) * 2016-11-15 2018-05-24 한국과학기술원 함의 문장 생성 기술을 활용한 문장 표절 판단 장치, 이를 구현하기 위한 프로그램 및 기록 매체
KR101869362B1 (ko) * 2016-11-15 2018-06-21 한국과학기술원 함의 문장 생성 기술을 활용한 문장 표절 판단 장치, 이를 구현하기 위한 프로그램 및 기록 매체
US11631270B2 (en) 2019-12-11 2023-04-18 Naver Corporation Methods and systems for detecting duplicate document using document similarity measuring model based on deep learning
CN112307159A (zh) * 2019-12-26 2021-02-02 上海携宁计算机科技股份有限公司 相似文本的检索方法
CN112307159B (zh) * 2019-12-26 2024-05-28 上海携宁计算机科技股份有限公司 相似文本的检索方法
CN112131859A (zh) * 2020-08-25 2020-12-25 中央民族大学 藏文作文抄袭检测原型系统
WO2024085717A1 (ko) * 2022-10-20 2024-04-25 주식회사 아이팩토리 논문 작성 장치, 방법, 컴퓨터 프로그램, 컴퓨터로 판독 가능한 기록매체, 서버 및 시스템

Similar Documents

Publication Publication Date Title
US12361742B2 (en) Method and system for assessing similarity of documents
KR101626247B1 (ko) 온라인 서비스 가능한 유의어 사전 기반의 표절문서 탐색 시스템
US20160196342A1 (en) Plagiarism Document Detection System Based on Synonym Dictionary and Automatic Reference Citation Mark Attaching System
Chowdhury et al. Plagiarism: Taxonomy, tools and detection techniques
US8577882B2 (en) Method and system for searching multilingual documents
Koch et al. Type-aware distantly supervised relation extraction with linked arguments
US20180075013A1 (en) Method and system for automating training of named entity recognition in natural language processing
KR102059743B1 (ko) 딥러닝 기반의 지식 구조 생성 방법을 활용한 의료 문헌 구절 검색 방법 및 시스템
CN110569335B (zh) 基于人工智能的三元组校验方法、装置及存储介质
Zhang et al. X-lisa: Cross-lingual semantic annotation
KR101651780B1 (ko) 빅 데이터 처리 기술을 이용한 연관 단어 추출 방법 및 그 시스템
US10606922B2 (en) Analyzing document content and generating an appendix
Avetisyan et al. Cross-lingual plagiarism detection: Two are better than one
Tsekouras et al. A Graph-based Text Similarity Measure That Employs Named Entity Information.
Rahmi Dewi et al. Software Requirement-Related Information Extraction from Online News using Domain Specificity for Requirements Elicitation: How the system analyst can get software requirements without constrained by time and stakeholder availability
CN119066154B (zh) 文献检索方法、装置、设备和存储介质
KR101629210B1 (ko) 온라인 서비스가 가능한 참고문헌 인용부호 자동부착 지원 시스템 및 서비스 제공 방법
WO2021049485A1 (ja) 法律分析装置、及び法律分析方法
Risch et al. Measuring and facilitating data repeatability in web science
US10572592B2 (en) Method, device, and computer program for providing a definition or a translation of a word belonging to a sentence as a function of neighbouring words and of databases
Ali et al. A novel framework for plagiarism detection: A case study for urdu language
KR101739766B1 (ko) 시맨틱 검색에서 유사도 기반 키워드 매핑 장치 및 방법
Oh et al. On membership inference attacks to generative language models across language domains
Ion et al. On-line compilation of comparable corpora and their evaluation
WO2013150633A1 (ja) 文書処理システム、及び、文書処理方法

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

PN2301 Change of applicant

St.27 status event code: A-3-3-R10-R11-asn-PN2301

St.27 status event code: A-3-3-R10-R13-asn-PN2301

PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

E13-X000 Pre-grant limitation requested

St.27 status event code: A-2-3-E10-E13-lim-X000

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

GRNT Written decision to grant
PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

Fee payment year number: 1

St.27 status event code: A-2-2-U10-U11-oth-PR1002

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

PN2301 Change of applicant

St.27 status event code: A-5-5-R10-R11-asn-PN2301

St.27 status event code: A-5-5-R10-R13-asn-PN2301

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000

P22-X000 Classification modified

St.27 status event code: A-4-4-P10-P22-nap-X000

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000

P22-X000 Classification modified

St.27 status event code: A-4-4-P10-P22-nap-X000

P22-X000 Classification modified

St.27 status event code: A-4-4-P10-P22-nap-X000

P22-X000 Classification modified

St.27 status event code: A-4-4-P10-P22-nap-X000

FPAY Annual fee payment

Payment date: 20190408

Year of fee payment: 4

PR1001 Payment of annual fee

Fee payment year number: 4

St.27 status event code: A-4-4-U10-U11-oth-PR1001

P22-X000 Classification modified

St.27 status event code: A-4-4-P10-P22-nap-X000

P22-X000 Classification modified

St.27 status event code: A-4-4-P10-P22-nap-X000

PR1001 Payment of annual fee

Fee payment year number: 5

St.27 status event code: A-4-4-U10-U11-oth-PR1001

PC1903 Unpaid annual fee

Not in force date: 20210526

Payment event data comment text: Termination Category : DEFAULT_OF_REGISTRATION_FEE

St.27 status event code: A-4-4-U10-U13-oth-PC1903

K11-X000 Ip right revival requested

St.27 status event code: A-6-4-K10-K11-oth-X000

PC1903 Unpaid annual fee

Ip right cessation event data comment text: Termination Category : DEFAULT_OF_REGISTRATION_FEE

Not in force date: 20210526

St.27 status event code: N-4-6-H10-H13-oth-PC1903

PN2301 Change of applicant

St.27 status event code: A-5-5-R10-R11-asn-PN2301

PR0401 Registration of restoration

St.27 status event code: A-6-4-K10-K13-oth-PR0401

PR1001 Payment of annual fee

Fee payment year number: 6

St.27 status event code: A-4-4-U10-U11-oth-PR1001

R401 Registration of restoration
PN2301 Change of applicant

St.27 status event code: A-5-5-R10-R14-asn-PN2301

P14-X000 Amendment of ip right document requested

St.27 status event code: A-5-5-P10-P14-nap-X000

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000

PR1001 Payment of annual fee

Fee payment year number: 7

St.27 status event code: A-4-4-U10-U11-oth-PR1001

P14-X000 Amendment of ip right document requested

St.27 status event code: A-5-5-P10-P14-nap-X000

PR1001 Payment of annual fee

Fee payment year number: 8

St.27 status event code: A-4-4-U10-U11-oth-PR1001

PR1001 Payment of annual fee

Fee payment year number: 9

St.27 status event code: A-4-4-U10-U11-oth-PR1001

R18-X000 Changes to party contact information recorded

St.27 status event code: A-5-5-R10-R18-oth-X000