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。