学术界的抄袭主要集中在以科研人员为主的论文、项目报告抄袭和以高校学生为主的作业、课程论文抄袭。与科研人员的抄袭对象主要来源于网络和公开发表的出版物不同,学生的抄袭对象大多集中在学习社区内,因此更具有隐蔽性。目前针对科研人员的抄袭,有各种商业抄袭检测工具,但专门针对学生本地抄袭的检测工具并不常见,较为知名的是斯坦福大学的Moss系统,用于检测学生的软件代码抄袭。目前人们投入研究最多和应用最广泛的方法是模糊指纹和基于词频统计的检测方法。模糊指纹是针对原有校验和检测技术在处理加入随机噪声干扰的抄袭文本时的脆弱性而提出的。模糊指纹的特点是指纹的变化与信息内容的变化相关,结合随机抽样方法,抄袭者无法预知抽样指纹的生成规律,从而可以大幅降低抄袭者通过加入噪声干扰躲避检测的可能性,但同时也带来了更大的计算开销。基于词频统计的检测方法是近年来抄袭检测技术中的研究热点之一。这种方法根据文档中关键字的分布特征和词频判断是否存在抄袭内容,与模糊指纹不同,该方法能保留一定的语义信息,然而这类方法过高的资源需求,特别是在存储空间上的需求,限制了其应用范围。启发式合并方法是目前最为常用的标定抄袭内容的方法,这类方法通过定义合并规则,可以在一定程度上减少干扰信息对标定结果的影响。迭代穷举法和近似最长公共子串法是比较具有代表性的两种实现方式,这类方法的效率比较低下,且标定精度受干扰信息影响较大。商业抄袭检测软件则利用索引和数据库技术,将文档碎片化后存入数据库,并建立索引结构,可以在一定程度上避免干扰带来的影响,并提高检测的效率,但海量的存储和如何实现高效的索引是需要解决的问题。不同领域的抄袭各有其特点,也具有一定的共性,现有的任一种抄袭检测技术都无法完全解决各领域的抄袭问题。本文在充分分析学生作业抄袭以及科研论文抄袭特征的基础上,对各种抄袭检测算法进行了深入的研究,并参加了2010年的国际抄袭检测竞赛,获得了第二名的成绩,同时实现了一个抄袭检测系统,用于华南理工大学特色专业在线学习平台的学生作业抄袭检查,取得了较好的效果。本文的主要贡献包括:1)设计并生成了两个针对学生作业和论文抄袭检测的数据集。详细分析了高校学生抄袭行为发生的原因、抄袭的方式和范围,采集上万份华南理工大学计算机网络专业学生提交的作业,整理后形成了学生作业数据集;从IEEE网站下载了近年来计算机网络应用方向的论文几千篇,并利用算法人工加入抄袭内容,形成了模拟抄袭论文集,用于检验本文提出的算法在实际环境下的检测效果。为了便于与其他算法的比较,本文还使用了国际抄袭检测竞赛（PAN）提出的西文语料集。2)提出了一种基于语义匹配的相似文档快速预选方法。传统的相似度判定方法在处理抄袭比例很小的文档时,精度容易受被检查的文档的大小影响,基于语义匹配的算法在相似度判定的基础上,引入了语义序列的概念,能很好地解决相似度判定方法无法检测到极小比例抄袭的问题。3)针对海量文档的抄袭预选效率问题,提出了两种保相似度降维算法:一种是基于Pearson系数的特征向量降维方法,一种是基于Cauchy系数的保相似度降维方法,两个方法都是保证以较大的概率将两个文档的相关性的影响控制在较小的误差范围内的前提下,尽可能降低特征向量的维数。第一个方法的降维效率略优于第二个方法,第二个方法处理大比例抄袭文档的精度相对较高。4)将聚类的概念引入相似文本标定,提出了一种基于斜率密度聚类的相似文本标定算法,利用快速预选算法中提出的语义序列匹配方法,结合基于密度聚类方法的原理,提出了基于斜率密度聚类的概念,并将其用于相似文本标定,标定结果普遍优于其他标定算法。5)设计并开发了一个作业抄袭检测系统,并已经实施在本课题组开发的特色专业教学平台中,专门用于检测学生作业、课程论文的抄袭,该系统已经上线运行了两年多,检测效果良好。