Как работает антиплагиат¶
Антиплагиат — это совокупность программных методов и сервисов, автоматически выявляющих заимствования текста и сравнивающих проверяемый документ с базами ранее опубликованных работ. Системы антиплагиата используются в образовании, науке, СМИ и корпоративной сфере для контроля оригинальности текстов. В России наиболее известны сервисы «Антиплагиат.РУ», eTXT Антиплагиат, «Текст.ру», Advecheck и встроенный модуль проверки в системе «Росэлторг».
¶Основные принципы работы
Алгоритмы антиплагиата решают задачу сравнения текста с эталонными источниками. Полностью идентичных текстов в природе не существует, поэтому система ищет фрагменты совпадений — от нескольких последовательных слов до целых абзацев. Результат проверки выражается в процентах оригинальности и процентах заимствований, распределённых по источникам.
Проверка, как правило, состоит из трёх этапов:
- Предобработка текста. Система нормализует документ: приводит слова к начальной форме (лемматизация), удаляет знаки препинания, приводит регистр к единому виду, иногда заменяет цифры и имена на плейсхолдеры. Это позволяет обнаружить заимствование, скрытое синонимами или перестановкой слов.
- Разбиение на фрагменты. Текст делится на отрезки фиксированной длины (обычно от 5 до 15 слов), которые и сравниваются с базой.
- Поиск совпадений в корпусе. Каждый фрагмент запрашивается в поисковом индексе, и система фиксирует совпадения с документами из базы данных.
¶Методы сравнения текстов
¶Точное совпадение строк (string matching)
Самый простой метод — поиск дословных совпадений подстрок. Реализуется через алгоритмы поиска подстроки (Кнута — Морриса — Пратта, Рабина — Карпа) и суффиксные деревья. Позволяет выявлять прямое копирование, но не учитывает синонимичные замены и перефразирование.
¶Сравнение по n-граммам
Текст разбивается на n-граммы — последовательности из n слов. Сравнение множеств n-грамм исходного и эталонного текстов даёт оценку схожести. Метод устойчив к локальным правкам, но чувствителен к длине n.
¶Векторные модели (embedding-модели)
Современные системы используют нейросетевые модели (BERT, Sentence-BERT, Word2Vec), преобразующие фрагменты текста в числовые векторы в многомерном пространстве. Семантически близкие фрагменты оказываются рядом в этом пространстве, даже если они записаны разными словами. Это позволяет выявлять перефразирование и «водянистый» пересказ, которые не ловятся классическими методами.
¶Стилометрия
Анализ индивидуальных стилистических маркеров автора: частотности служебных слов, длины предложений, предпочтительных конструкций. Метод применяется для установления авторства, а не для оценки оригинальности.
¶Что считается плагиатом
Системы фиксируют разные типы заимствований:
- Дословное цитирование без оформления по ГОСТ или требованиям издания.
- Парфраз — пересказ чужого текста с сохранением структуры и логики, но с заменой слов.
- Самоплагиат — повторная публикация собственных работ без ссылки на первоисточник.
- Мозаичный плагиат — сборка текста из фрагментов разных источников с минимальной правкой.
Библиографический список, цитаты в кавычках с указанием источника и общепринятые термины, как правило, исключаются из расчёта оригинальности — для этого в документе размечаются ссылки и цитатные блоки.
¶Пороговые значения и оценка
Российские вузы устанавливают собственные пороги оригинальности дипломных и курсовых работ. По рекомендациям методических советов большинства университетов порог составляет 60–75 % оригинального текста; для диссертаций и публикаций в журналах ВАК требования строже — часто 80–85 %. Работы, не прошедшие порог, отправляются на доработку или на комиссию.
¶Обход антиплагиата
Попытки обхода систем антиплагиата — от подстановки невидимых символов до «смягчения» текста синонимайзерами — привели к развитию контрмер: проверка на невидимые символы, анализ лексической бедности, выявление шаблонных конструкций синонимайзеров. В образовательной среде использование сервисов обхода антиплагиата расценивается как академический проступок.
¶Применение
- Вузы и школы — проверка курсовых, дипломных, диссертаций, контрольных работ.
- Научные журналы — отбор статей к публикации.
- Издательства и СМИ — контроль уникальности материалов.
- Бизнес — проверка контента для сайтов, лендингов, документации.
- Госзакупки — проверка технических заданий и документации в системе «Росэлторг».
¶Ограничения
Антиплагиат не является абсолютным инструментом. Системы дают ложные срабатывания на общепринятые формулировки, цитаты законов, библиографические описания. Перевод текста с иностранного языка, как правило, не фиксируется классическими методами, хотя векторные модели частично решают эту задачу. Итоговая оценка оригинальности традиционно остаётся за человеком-экспертом, а автоматический отчёт — лишь основание для анализа.
Источники: «Антиплагиат.РУ» (официальная документация); ГОСТ Р 7.0.100–2018 «Библиографическая запись»; методические рекомендации Минобрнауки России по использованию средств выявления заимствований; учебная литература по информационному поиску (Р. Бэйер-Янсен, «Text Mining»).