英文文献在论文相似性检测中的检索技巧

2015-12-27王佳

中国管理信息化 2015年13期

王佳

（齐鲁工业大学图书馆参考咨询部，济南 250353）

学术不端是指在申请课题、实施研究报告结果的过程中，出现的捏造、篡改或抄袭行为。不端行为主要被限定在“伪造、篡改、抄袭”（Fabrication，Falsification，Plagiarism，简称 FFP ）三者中。随着学术竞争日渐激烈，学术界存在某些弄虚作假、行为不良或失范的风气。在职称晋升、申请立项、毕业答辩等科研环节中，存在剽窃他人研究成果、稍加改动甚至全盘照搬占为己有的行为，或者一稿多投以数量取胜为自身谋取利益等现象。目前在国内学术界，这些违背科学精神和道德的现象广泛存在于科研机构、大专院校等各个层面，极大地败坏了学术风气，阻碍了学术进步，给科学和教育事业带来严重的负面影响。鉴于学术不端严重削弱了学术界的公平竞争，很多单位在职称评聘、应届毕业生答辩资格取得、新文章发表等工作中，适时引入了相似性检测这一硬性规定，针对著作、中外文期刊论文等科研成果进行严格的相似性检测，规定了一定的相似比，相似性处于该相似比之内的成果方可过关，否则一票否决。

针对相似性检测，当前国内多家数据商均研发了学术不端检测系统，后台比对数据库资源丰富、涵盖面广，包括期刊全文数据库、学位论文数据库、会议论文数据库、报纸全文数据库、互联网数据库、港澳台数据库、优先出版数据库等；针对英文文献，也增加了相关的期刊、博硕、会议的英文比对数据库。比对范围广泛全面，比对系统日趋完善。而且根据被检测人自身文献的发文状况，还引入了个人比对库，使得检测的严格性和人性化相结合，在一定程度上净化了学术竞争环境，促进了学术竞争公平、公正地发展。

随着科研的飞速发展和更高要求，国内科研人员越来越注重外文研发，英文专著、学位论文、期刊论文的数量日渐增多。为了适应这一现状，学术不端检测系统也相应地整合了多个英文资源比对数据库，如中国知网国际文献总库、德国Springer全文期刊数据库、英国Taylor＆Francis期刊数据库、荷兰Elsevier数据库等。比对的英文文献类型包括期刊论文、会议论文、学位论文、图书等。在相似性检测过程中，英文文献查重存在一些技巧，比如外刊检索中优先出版、出版周期、刊种确定、时间确定等。而且由于文献内容涉及各个学科，文献原始格式、出版格式、呈现形式多种多样，每一个环节的界定都直接影响着检测结果，这就要求检测人员在检测过程中要充分用心，于不规律中探寻规律，严格采用统一标准对待各篇送检文献，对申报者负责。

1 相似性检测中的影响因素

1．1 英文文献格式

英文文献撰写者通常使LATEX等软件编辑，自动生成PDF格式，故申报者在申报系统中提交的的英文文献多为PDF格式。①PDF格式的英文原文在正常未加密的情况下，检测过程一般比较顺利，可以正常生成检测报告。但是有时PDF格式会出现加密的情况，一旦出现这种情况，原文文字信息无法复制，文章在相似性检测系统中无法导入，或者导入之后生成乱码报告等，这些情况一旦出现，需要立即将原文章转换格式。常用的格式转换软件有汉王PDFOCR、ABBYYFineReader等，格式转换之后，通常情况下检测过程会归于正常；②有时相似性检测系统后台比对的外文数据库会涉及版权问题，文章允许比对但不提供无缝下载链接，所以当原文无法在数据库下载时，有时会需要作者本人提供原文，这时可能会出现Word等非PDF格式的文章被提交上来，检测方法和过程与PDF格式的文章相同，但前提是作者本人提交的版本内容必须与发表、收录的内容完全一致，这需要人事处、科研处等相关部门严格审核。另外，从数据库下载的原文中，如果因排版等原因掺杂有其他文章内容，须转换为Word格式，剔除不相关内容之后重新上传检测；③某些学科领域如生化、数学、艺术等文章中，有时会出现大量统计图表、设计图、公式、分子结构示意图等，通常因格式转换软件技术限制而导致格式转换效果欠佳，从而相似性检测系统无法检测，而图表、公式本身传达一定的信息量又不宜删除，故需要采取其他方式进行相似性鉴定。

1．2 检测时间点界定

相似性检测的重要一环是检测时间点的界定，即比对截止时间点。规定按收稿日期、期刊发行日期、会议日期等酌情选择。原文如果是出版社正规单行本格式，一般会标注收稿日期。英文文献的收稿日期一般标注格式为ReceivedTime、AcceptedTime等；会议文献按照会议召开日期，可检索会议名称确定会议时间；期刊文献按照期刊发行日期，网络优先出版的文献按照网上出版日期，标注格式为AvailableonlineTime等。本着对申报者负责的精神，时间点尽量取前不取后，收稿日期和期刊发行日期如果同时检索到，选择收稿日期作为检测时间点。检测时间点的界定需要严格慎重，时间间隔会造成检测结果存在很大差异。例如，某篇文章系统认定的出版时间为2012年7月15日，总文字复制比为34%，超过了文字复制比须在30%以下的要求，但收稿日期为2011年11月4日，如果按该时间点检测，总文字复制比则为10．3%，符合要求。有的期刊发行日期不明确，则需要按照该刊出版周期、出版频率来确定每期的出版时间，从而确定检测时间点。例如，双月刊为每两个月出版发行一次，如无具体的出版日期，则规定6期的出版日期为前一年12月31日以及该年2月28日、4月30日、6月30日、8月31日、10月31日；季刊为每季度出版发行一次，如无具体的出版日期，则规定四期的出版日期为前一年12月31日以及该年3月31日、6月30日、9月30日；此外还有半月刊、旬刊、周刊、不定期出版等多种情况，如无具体出版日期，则选择各小周期的前一天或者按照出版频率均摊时间来确定。

2 外文期刊检索的方法及技巧

对于无收稿日期、非会议文献的期刊文献，需要借助数据库、网站等资源，确定该刊的出版周期、出版频率等，从而确定具体某期的出版日期。常用的数据库如EICompendex、Springer等，在数据库收录文献的题录信息里可检索到英文期刊的完整刊名、国际标准刊号（ISSN）、数字对象唯一标识符（DOI）、出版时间或年卷期号。利用刊名或刊号可检索期刊的出版周期或频率，常用的网站有中国报刊网、中科院国家科学图书馆、中国知网国际文献总库、中国图书进出口总公司期刊查询等。如利用http：／／periodical．cnpeak．com ／periodical．aspx 检索英文期刊《Insurance：MathematicsandEconomics》，期数共6期，双月刊。对于非常规周期出版的期刊，如《Philosophy＆SocialCriticism》，期数共10期，通常按照一年的总天数均摊时间计算每期的出版时间。有些外刊每年出版的周期不同，如《InternationalJournalofDatabase TheoryandApplication》，该刊2008－2013年每年出版的期数分别为1期、4期、4期、4期、4期、6期，遇到此类情况，须按照每年期数分别计算出版日期。此外，还可以利用数字对象唯一标识符检索，如利用网站 http：／／dx．doi．org／检索 DOI为 10．1007 ／s00339－013－8018－3的文献，可以确定出版时间为2014年3月。有些期刊的ISSN号分为印刷版和电子版两种，印刷版为pISSN，电子版为eISSN，两者内容一样。例如《JournalofConvergence InformationTechnology》，ISSN 为 1975－9321 （Print），2233－9299（Online）。

3 国际会议文献的检索技巧

在英文文献相似性检测中，EICompendex等收录国际会议文献的数据库均可用来检索会议文献信息。根据国际会议名称，可检索该会议的详细题录信息，确定会议日期。另外，还可以利用google等学术搜索引擎，输入会议名称或缩写，检索会议日期。EI收录文献可直接在题录信息中查看会议日期，如EITRT 2013，会议日期为2013年 10月 25日～10月27日；CCDC2014，会议日期为2014年5月31日～6月2日。通常选取会议召开的前一天作为检测时间点。会议论文集的出版时间有时在会议召开的时间之前，有时在会议之后，按照“选前不选后”的原则，选择靠前的日期作为检测时间点。

4 外文著作相似性检测

外文著作相似性检测是针对书名、作者位次、ISBN、CIP查真，利用中国人民共和国新闻出版总署、国家图书馆等网站查询CIP数据及ISBN的真实性，同时核对作者位次。有时作者位次不是第一位，或者与其他人合著，则网站无法显示具体信息，须作者提供著作原件或扫描件予以鉴定。

5 文字复制比分析

相似性检测结果中，如果被检测文献与申报者本人的学位论文或者会议论文有相似片段，则剔除申报者本人学位论文和会议论文相似部分，不计算重合率。以某篇检测文献为例，如图1所示，该文献总文字复制比为50．3%，但是去除本人学位论文会议论文之后，文字复制比为3．9%，符合要求。

但是，因数据库收录时著录内容、著录人员等因素影响，某些文献著录信息缺失，导致系统无法自动对应到某位作者名下予以剔除，因此会导致文字复制比较高。解决方法，一是手动计算相似片段字数与原文字数的比例，从总文字复制比中减去；二是向数据商或更高权限账户提交申请，从数据库中直接剔除本人该篇学位论文或会议论文，重新检测。