Similarity based on data compression

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F13%3A86088863" target="_blank" >RIV/61989100:27240/13:86088863 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27740/13:86088863

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-45111-9_24" target="_blank" >http://dx.doi.org/10.1007/978-3-642-45111-9_24</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-45111-9_24" target="_blank" >10.1007/978-3-642-45111-9_24</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Similarity based on data compression

Popis výsledku v původním jazyce

Similarity detection is one of the most important areas in document processing. The applications of it starts in spam detection and goes through identification of plagiarism in the web, bachelor or master thesis and ends at identification of copied scientific papers. This paper presents an improvement of a plagiarism detection algorithm which is based on the Lampel and Ziv dictionary based compression algorithm by application of stop words removing and tests this algorithm on real dataset. Moreover, a visualization of the plagiarized documents relationship is also presented. The algorithm confirms its ability in detection of the plagiarized parts of text and also the achieved improvement when the suggested improvements are applied.

Název v anglickém jazyce

Similarity based on data compression

Popis výsledku anglicky

Similarity detection is one of the most important areas in document processing. The applications of it starts in spam detection and goes through identification of plagiarism in the web, bachelor or master thesis and ends at identification of copied scientific papers. This paper presents an improvement of a plagiarism detection algorithm which is based on the Lampel and Ziv dictionary based compression algorithm by application of stop words removing and tests this algorithm on real dataset. Moreover, a visualization of the plagiarized documents relationship is also presented. The algorithm confirms its ability in detection of the plagiarized parts of text and also the achieved improvement when the suggested improvements are applied.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Lecture Notes in Computer Science. Volume 8266

ISBN

978-3-642-45110-2

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

12

Strana od-do

267-278

Název nakladatele

Springer Verlag

Místo vydání

London

Místo konání akce

Mexico City

Datum konání akce

24. 11. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—