當(dāng)論文查重后,重復(fù)率過(guò)高的時(shí)候,我們會(huì)想盡一切辦法去知網(wǎng)降重。目前90%的高校采用的是中國(guó)知網(wǎng)的學(xué)術(shù)不端檢測(cè)系統(tǒng)(簡(jiǎn)稱“知網(wǎng)查重”),知網(wǎng)重復(fù)率是評(píng)判畢業(yè)生是否抄襲的唯一標(biāo)準(zhǔn),從而降低知網(wǎng)重復(fù)率(論文降重)是一門必修課。下面來(lái)詳細(xì)分析利用修改句式來(lái)進(jìn)行知網(wǎng)查重修改的一些降重技巧:
1.針對(duì)概念和定義
原文重復(fù):
“TextRank算法是一種用于文本的基于圖的排序算法。其基本思想來(lái)源于谷歌的PageRank算法,通過(guò)把文本分割成若干組成單元(單詞、句子)并建立圖模型,利用投票機(jī)制對(duì)文本中的重要成分進(jìn)行排序,僅利用單篇文檔本身的信息即可實(shí)現(xiàn)關(guān)鍵詞提取、文摘。和LDA、HMM等模型不同,TextRank不需要事先對(duì)多篇文檔進(jìn)行學(xué)習(xí)訓(xùn)練,因其簡(jiǎn)潔有效而得到廣泛應(yīng)用。”
修改句式后:
”TextRank算法是排序算法,主要作用于文本中基于圖的算法。該算法是受到谷歌的PageRank算法的啟發(fā)而來(lái),首先是對(duì)文本進(jìn)行劃分,讓其形成多個(gè)不同的小組和單元,從而構(gòu)建相應(yīng)的圖模型,之后再利用投票的原理對(duì)文本中的主要成分進(jìn)行排序,提取文檔本身中的關(guān)鍵詞。TextRank的工作機(jī)理和LDA及HMM模型并不相同,在使用過(guò)程中并不需要提前對(duì)文檔完成訓(xùn)練,在具體的操作中簡(jiǎn)單實(shí)用,應(yīng)用及其廣泛。”
重復(fù)率顯示,0。
定義是最容易重復(fù)的地方。關(guān)鍵詞不能改變,而且還不能改變?cè)狻>渥拥慕Y(jié)構(gòu)通常是主謂賓,其他的都是形容詞。主語(yǔ)和賓語(yǔ)不能改變,形容詞和其他輔助性的用語(yǔ)都能夠作為修改的地方。通過(guò)換詞,調(diào)整前后句子結(jié)構(gòu)都能夠做到降重的目的。
2.針對(duì)描述性句子
原文重復(fù):
“TextRank一般模型可以表示為一個(gè)有向有權(quán)圖G=(V,E),由點(diǎn)集合V和邊集合E組成,E是V×V的子集。圖中任兩點(diǎn)Vi,Vj之間邊的權(quán)重為wji,對(duì)于一個(gè)給定的點(diǎn)Vi,In(Vi)為指向該點(diǎn)的點(diǎn)集合,Out(Vi)為點(diǎn)Vi指向的點(diǎn)集合。點(diǎn)Vi的得分定義如下:”
修改后:
”TextRank一般模型作為一個(gè)有向有權(quán)圖G=(V,E),在構(gòu)成上則是點(diǎn)集合V和邊集合E,E表示的是V×V的子集。圖中任意的兩點(diǎn)Vi,Vj之間邊的權(quán)重為wji,如果是一個(gè)給定的點(diǎn)Vi,In(Vi)則是指向該點(diǎn)的點(diǎn)集合,Out(Vi)是點(diǎn)Vi指向的點(diǎn)集合。點(diǎn)Vi的計(jì)算公示如下:”
這種重復(fù),可以修改的空間不大。但是根據(jù)知網(wǎng)的特性,還是可以進(jìn)行逐字修改。
3.針對(duì)表格
知網(wǎng)的表格是查重的,計(jì)入重復(fù)率。表格重復(fù),可以對(duì)表格內(nèi)容的文字進(jìn)行修改,小范圍調(diào)整。建議將表格作為最后的修改內(nèi)容。
4.其他修改句式
其他屬于描述性的語(yǔ)句,根據(jù)句子的意思進(jìn)行修改即可,保持原意不變的情況下可以進(jìn)行調(diào)整。降重的方式和方法有很多,但是只有通過(guò)人工操作,手術(shù)刀式的精準(zhǔn)降重也能起到真正的效果,有備無(wú)患。