人类进入信息时代,信息的获取越来越便利,抄袭的成本也变得越来越低。近年来学术不端事件屡有发生,引起学术界和有关部门的高度重视,文献相似度检测成为研究热点。当前文献相似度检测方法包括基于向量空间模型的方法、基于数字指纹的方法以及内在抄袭检测方法等。这些方法能够识别完全抄袭或部分抄袭,但是对于词汇替换(同义词替换)、句子中词结构调整、句式调整等抄袭方式应对能力较弱。针对此问题,本文提出一种学术文献语义相似度检测方法,旨在对学术文献语义相似度进行识别。本文的主要研究内容包括:(1)研究分析学术文献的写作特征以及抄袭行为特征。(2)提出一种基于汉语词频的文本数字指纹算法,实验证明该数字指纹具有较强的鲁棒性,即使文献经过一定比例的修改,指纹依然可以基本保持原貌,利用该指纹预选出疑似被抄袭文献,提高系统的效率。(3)提出一种基于语义角色标注的学术文献语义相似度检测方法。首先,利用语义角色标注技术对文献进行标注,然后将文献分为正文和摘要两个部分,以句子为最小单位进行语义检测。该方法提取论文中词语的上位词,为每篇文献形成句子-词-语-义角色-上位词4部图。摘要的句子语义对比在同语轮中展开,语轮基于词、数字和缩略词特征,使用支持向量机分类法进行判断。正文的句子语义对比参照4部图确定。最终汇总摘要和正文的句子相似度作为检测结果。实验结果表明本文提出的数字指纹,对于50%以内的文献内容修改,可以识别出相似的概率分别至少为79.38%(删除)和83.93%(添加)。本文提出的基于语义角色标注的文献相似度检测方法,浅层语义标引实验结果使用本文所提出的所有特征标引十折交叉检验结果在95%以上。受中文语义角色标注工具和技术的限制,基于语义角色标注的语义相似度检测实验结果不甚理想,但所识别出的语义较字粒度Jaccard系数法、词粒度Jaccard系数法、Winnowing Jaccard系数法等所检测出的相似度依然高出13%。本文所提出的数字指纹能够较为忠实地还原文献的修改比例。对于摘要的相似度检测使用语轮信息以更好地识别语义相似度。对于全文的相似度检测则限定在同语义角色的概念中,充分利用语义角色信息,避免了无意义的对比。