应用随机特征码检测雷同译文

秦 颖,文秋芳,梁茂成

摘要：试卷自动评分研究中有个十分重要却常被忽略的环节———对于雷同内容的自动检测。翻译考试的雷同译文与一般的重复文档有着不同的特点。通过对比各种文档相似算法，最终选择了特征码的方法用于检测汉译英雷同译文，并结合翻译考试的特点，提出了随机特征码的方法，解决了特征码选取位置难以确定的问题，同时降低了特征码对于编辑差异的敏感度，提高了雷同内容检测的查准率和查全率。该算法的复杂度为线性，适用于大规模翻译试卷的快速检查。

关键词：自动评分；雷同内容检测；文本相似度；特征码