Інтелектуальна система виявлення плагіату в технічних текстах

Simple item page
dc.citation.epage247
dc.citation.issue14
dc.citation.journalTitleВісник Національного університету “Львівська політехніка”. Серія: Інформаційні системи та мережі
dc.citation.spage235
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.affiliationLviv Polytechnic National University
dc.contributor.authorГеряк, Юрій
dc.contributor.authorБерко, Андрій
dc.contributor.authorHeriak, Yurii
dc.contributor.authorBerko, Andrii
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2025-09-12T07:21:55Z
dc.date.created2023-02-28
dc.date.issued2023-02-28
dc.description.abstractАвтори розробили наукове обґрунтування, виконали проєктування та розроблення інтелектуальної системи виявлення плагіату в технічних текстах. В роботі визначено проблему плагіату в сучасному світі та її актуальність, проаналізовано останні дослідження та публікації, які стосуються новітніх методів застосування інтелектуальних інформаційних технологій для виявлення плагіату. Обґрунтовано потребу і доцільність розроблення та вдосконалення інтелектуальних інформаційних технологій виявлення плагіату, а також застосування різних методів ідентифікації збігів у текстах для подальшому розвитку таких технологій. Розроблено загальний алгоритм виявлення плагіату в технічних текстах на основі методу векторного порівняння. Практичним результатом дослідження є розроблення інтелектуальної системи виявлення плагіату в технічних текстах та підтвердження її працездатності із застосуванням на конкретних прикладах технічних текстів.
dc.description.abstractThe authors of the article developed a scientific reasoning, designed, and developed an intelligent system for detecting plagiarism in technical texts. The work defines the problem of plagiarism in the modern world and its relevance and analyzes the latest research and publications devoted to the latest methods of using intelligent information technologies to detect plagiarism. The need and expediency of developing and improving intellectual information technologies for detecting plagiarism, as well as the use of various methods of identifying matches in texts for the further development of such technologies, are substantiated. The authors developed a general algorithm for detecting plagiarism in technical texts based on the vector comparison method. The practical result of the study is the development of an intelligent system for detecting plagiarism in technical texts and confirmation of its efficiency by applying it to specific examples of technical texts.
dc.format.extent235-247
dc.format.pages13
dc.identifier.citationГеряк Ю. Інтелектуальна система виявлення плагіату в технічних текстах / Юрій Геряк, Андрій Берко // Вісник Національного університету “Львівська політехніка”. Серія: Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2023. — № 14. — С. 235–247.
dc.identifier.citationenHeriak Y. Intelligent system for detecting plagiarism in technical texts / Yurii Heriak, Andrii Berko // Information Systems and Networks. — Lviv : Lviv Politechnic Publishing House, 2023. — No 14. — P. 235–247.
dc.identifier.doidoi.org/10.23939/sisn2023.14.235
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/111707
dc.language.isouk
dc.publisherВидавництво Львівської політехніки
dc.publisherLviv Politechnic Publishing House
dc.relation.ispartofВісник Національного університету “Львівська політехніка”. Серія: Інформаційні системи та мережі, 14, 2023
dc.relation.ispartofInformation Systems and Networks, 14, 2023
dc.relation.references1. Todorova N. Yu. Fighting Plagiarism: Cultural Patterns and Pedagogical Implications in the EAP/ESP Context. Academia.edu. Platform for academics to share research papers. URL: https://www.academia.edu/1459171/Fighting_Plagiarism_Cultural_Patterns_and_Pedagogical_Implications_in_the_EAP_ESP_Context
dc.relation.references2. Academic dishonesty - cheating and plagiarism in Ukrainian higher education освітянам. OECD Reviews of Integrity in Education: Ukraine 2017. URL: http://www.keepeek.com/DigitalAsset-Management/oecd/education/oecd-reviews-of-integrity-in-education-ukraine-2017/academic-dishonestycheating-and-plagiarism-in-ukrainian-higher-education_9789264270664-13-en#page1
dc.relation.references3. Академічна культура українського студентства: основні чинники формування та розвитку. Східноукраїнський Фонд соціальних досліджень. URL: http://fond.sociology.kharkov.ua/images/docs/academ_cult/material.pdf
dc.relation.references4. Sánchez-Vega F., Villatoro-Tello E., Montes-y-Gómez M., Rosso P., Stamatatos E., Villaseñor-Pineda L. (2019). Paraphrase plagiarism identification with character-level features. Pattern Anal Appl 22(2):669–681. DOI: 10.1007/s10044-017-0674-z
dc.relation.references5. Sanchez-Perez M., Sidorov G., and Gelbukh A. (2014). A winning approach to text alignment for text reuse detection at PAN 2014– notebook for PAN at CLE”, In: Cappellato L., Ferro N., Halvey M., Kraaij W. (eds.) CLEF 2014 evaluation labs and workshop-working notes papers, 15–18 September, CEUR-WS.org, Shefeld, UK, 1004–1011
dc.relation.references6. Roostaee M., Fakhrahmad S. M., Sadreddini M. H. (2020). Cross-language text alignment: A proposed two level matching scheme for plagiarism detection. Expert Syst Appl 160:113718. DOI: 10.1016/j.eswa.2020.113718
dc.relation.references7. Ahuja L., Gupta V., Kumar R. (2020). A new hybrid technique for detection of plagiarism from text documents. Arab J Sci Eng 45(12):9939–9952. DOI: 10.1007/s13369-020-04565-9
dc.relation.references8. Gharavi E., Veisi H., Rosso P. (2020). Scalable and language-independent embedding-based approach for plagiarism detection considering obfuscation type: no training phase. Neural Comput Appl 32(14):10593-10607. DOI: 10.1007/s00521-019-04594-y
dc.relation.references9. Altheneyan A. S., Menai M. E. B. (2020). Automatic plagiarism detection in obfuscated text. Pattern Anal Appl 23(4):1627–1650. DOI: 10.1007/s10044-020-00882-9
dc.relation.references10. Van Son N., Huong L. T., Thanh N. C. (2021). A two-phase plagiarism detection system based on multi layer lstm networks. IAES Int J Artif Intel 10(3):636–648. DOI: 10.11591/ijai.v10.i3.pp636-648
dc.relation.references11. Martin Fowler. “UML Distilled: A Brief Guide to the Standard Object Modeling Language”. Addison Wesley Professional, 2003.
dc.relation.references12. Глибовець М. М., Глибовець А. М., Поляков М. В. Інтелектуальні мережі. Дніпропетровськ: Нова ідеологія, 2014. 462 c.
dc.relation.references13. Rubin D. and Bernard P. UML 2.0 in a Nutshell, O'Reilly Media, 2005.
dc.relation.references14. Квєтний Р. Н., Богач І. В., Бойко О. Р., Софина О. Ю., Шушура О. М. (2012). Комп’ютерне моделювання систем та процесів. Методи обчислень. Частина 1: навч. посіб. / за заг. ред. Р. Н. Квєтного. Вінниця: ВНТУ. 193 с.
dc.relation.references15. Литвин В. В., Шаховська Н. Б. Проектування інформаційних систем. Львів: Магнолія-2006. 380 с.
dc.relation.references16. Катренко А. В. (2001). Застосування технологій та інструментальних засобів проектування інформаційних систем. Вісник Національного університету “Львівська політехніка”. № 438 : Інформаційні системи та мережі. С. 48–63. Бібліографія: 8 назв.
dc.relation.references17. Berlinck R. G. S. (2011). The academic plagiarism and its punishments – a review. Brazilian Journal of Pharmacognosy, No. 21(3), 365–372. DOI: 10.1590/S0102-695X2011005000099
dc.relation.references18. Петренко В. С. (2013). Поняття та види плагіату. Часопис цивілістики. Вип. 14, 128–131.
dc.relation.references19. Mutiara A. B. and Agustina S. “Anti Plagiarism Application with Algorithm Karp-Rabin at Thesis in Gunadarma University”, arXiv Prepr, 2008. DOI: 10.13140/RG.2.1.3138.2802
dc.relation.references20. Hunt, E., Janamsetty, R., Kinares, C., Koh, C., Sanchez, A., Zhan, F., ... & Oh, P. (2019, November). Machine learning models for paraphrase identification and its applications on plagiarism detection. In 2019 IEEE International Conference on Big Knowledge (ICBK), 97–104. DOI: 10.1109/ICBK.2019.00021
dc.relation.references21. Kusner, M., Sun, Y., Kolkin, N., & Weinberger, K. (2015, June). From word embeddings to document distances. In International conference on machine learning, 957–966. PMLR.
dc.relation.references22. Kaytez, F., Taplamacioglu, M. C., Cam, E., & Hardalac, F. (2015). Forecasting electricity consumption: A comparison of regression analysis, neural networks and least squares support vector machines. International Journal of Electrical Power & Energy Systems, 67, 431–438. DOI: 10.1016/j.ijepes.2014.12.036
dc.relation.referencesen1. Todorova N. Yu. Fighting Plagiarism: Cultural Patterns and Pedagogical Implications in the EAP/ESP Context. Academia.edu. Platform for academics to share research papers. URL: https://www.academia.edu/1459171/Fighting_Plagiarism_Cultural_Patterns_and_Pedagogical_Implications_in_the_EAP_ESP_Context
dc.relation.referencesen2. Academic dishonesty – cheating and plagiarism in Ukrainian higher education. OECD Reviews of Integrity in Education: Ukraine 2017. URL: http://www.keepeek.com/DigitalAsset-Management/oecd/education/oecd-reviews-of-integrity-in-education-ukraine-2017/academic-dishonestycheating-and-plagiarism-in-ukrainian-higher-education_9789264270664-13-en#page1
dc.relation.referencesen3. Academic Culture of Ukrainian Students: Key Factors of Formation and Development. East Ukrainian Foundation of Social Research. URL: http://fond.sociology.kharkov.ua/images/docs/academ_cult/material.pdf
dc.relation.referencesen4. Sánchez-Vega F., Villatoro-Tello E., Montes-y-Gómez M., Rosso P., Stamatatos E., Villaseñor-Pineda L. (2019) Paraphrase plagiarism identification with character-level features. Pattern Anal Appl 22(2): 669–681. DOI: 10.1007/s10044-017-0674-z
dc.relation.referencesen5. Sanchez-Perez M., Sidorov G. and Gelbukh A. (2014). A winning approach to text alignment for text reuse detection at PAN 2014– notebook for PAN at CLE”, In: Cappellato L., Ferro N., Halvey M., Kraaij W. (eds) CLEF 2014 evaluation labs and workshop-working notes papers, 15–18 September, CEUR-WS.org, Shefeld, UK, 1004–1011.
dc.relation.referencesen6. Roostaee M., Fakhrahmad S. M., Sadreddini M. H. (2020). Cross-language text alignment: A proposed two-level matching scheme for plagiarism detection. Expert Syst Appl 160:113718. DOI: 10.1016/j.eswa.2020.113718
dc.relation.referencesen7. Ahuja L., Gupta V., Kumar R. (2020). A new hybrid technique for detection of plagiarism from text documents. Arab. J. Sci. Eng. 45(12):9939–9952. DOI: 10.1007/s13369-020-04565-9
dc.relation.referencesen8. Gharavi E., Veisi H., Rosso P. (2020). Scalable and language-independent embedding-based approach for plagiarism detection considering obfuscation type: no training phase. Neural Comput Appl 32(14):10593–10607. DOI: 10.1007/s00521-019-04594-y
dc.relation.referencesen9. Altheneyan A. S., Menai M. E. B. (2020). Automatic plagiarism detection in obfuscated text. Pattern Anal. Appl. 23(4):1627–1650. DOI: 10.1007/s10044-020-00882-9
dc.relation.referencesen10. Van Son N., Huong L. T., Thanh N. C. (2021). A two-phase plagiarism detection system based on multilayer lstm networks. IAES Int. J. Artif. Intel. 10(3):636–648. DOI: 10.11591/ijai.v10.i3.pp636-648
dc.relation.referencesen11. Fowler Martin (2003). UML Distilled: A Brief Guide to the Standard Object Modeling Language. Addison-Wesley Professional.
dc.relation.referencesen12. Hlybovets M. M., Hlybovets A. M., Polyakov M. V. (2014). Intelligent Networks. Dnipropetrovsk: Nova Ideolohiya. 462 p.
dc.relation.referencesen13. Rubin D. and Bernard P. (2005). UML 2.0 in a Nutshell, O'Reilly Media.
dc.relation.referencesen14. Kvetny R. N., Bohach I. V., Boyko O. R., Sofina O. Yu., Shushura O. M. (2012). Computer Modeling of Systems and Processes. Computation Methods. Part 1: educational guide/ edited by R. N. Kvetny. innytsia: VNTU. 193 p.
dc.relation.referencesen15. Lytvyn V. V., Shakhovska N. B. Information Systems Design. Lviv: Magnolia-2006. 380 p.
dc.relation.referencesen16. Katrenko A. V. (2001). Application of Design Technologies and Tools for Information Systems. Bulletin of Lviv Polytechnic National University, No. 438 : Information Systems and Networks, 48–63. Bibliography: 8 references.
dc.relation.referencesen17. Berlinck R. G. S. (2011). The academic plagiarism and its punishments – a review. Brazilian Journal of Pharmacognosy, Vol. 21(3), 365–372. DOI: 10.1590/S0102-695X2011005000099
dc.relation.referencesen18. Petrenko V. S. (2013). Concepts and Types of Plagiarism. Journal of Civil Law, Vol. 14. 128–131.
dc.relation.referencesen19. Mutiara A. B. and Agustina S. (2008). Anti Plagiarism Application with Algorithm Karp-Rabin at Thesis in Gunadarma University , arXiv Prepr. DOI: 10.13140/RG.2.1.3138.2802
dc.relation.referencesen20. Hunt, E., Janamsetty, R., Kinares, C., Koh, C., Sanchez, A., Zhan, F., ... & Oh, P. (2019, November). Machine learning models for paraphrase identification and its applications on plagiarism detection. In 2019 IEEE International Conference on Big Knowledge (ICBK), 97–104. IEEE. DOI: 10.1109/ICBK.2019.00021
dc.relation.referencesen21. Kusner, M., Sun, Y., Kolkin, N., & Weinberger, K. (2015, June). From word embeddings to document distances. In International conference on machine learning, 957–966. PMLR.
dc.relation.referencesen22. Kaytez, F., Taplamacioglu, M. C., Cam, E., & Hardalac, F. (2015). Forecasting electricity consumption: A comparison of regression analysis, neural networks and least squares support vector machines. International Journal of Electrical Power & Energy Systems, 67, 431–438. DOI: 10.1016/j.ijepes.2014.12.036
dc.relation.urihttps://www.academia.edu/1459171/Fighting_Plagiarism_Cultural_Patterns_and_Pedagogical_Implications_in_the_EAP_ESP_Context
dc.relation.urihttp://www.keepeek.com/DigitalAsset-Management/oecd/education/oecd-reviews-of-integrity-in-education-ukraine-2017/academic-dishonestycheating-and-plagiarism-in-ukrainian-higher-education_9789264270664-13-en#page1
dc.relation.urihttp://fond.sociology.kharkov.ua/images/docs/academ_cult/material.pdf
dc.rights.holder© Національний університет “Львівська політехніка”, 2023
dc.rights.holder© Геряк Ю., Берко А., 2024
dc.subjectплагіат
dc.subjectмашинне навчання
dc.subjectінтелектуальна система
dc.subjectтекстові документи
dc.subjectвекторне порівняння
dc.subjectplagiarism
dc.subjectmachine learning
dc.subjectintelligent system
dc.subjecttext documents
dc.subjectvector comparison
dc.subject.udc004.9
dc.titleІнтелектуальна система виявлення плагіату в технічних текстах
dc.title.alternativeIntelligent system for detecting plagiarism in technical texts
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2023n14_Heriak_Y-Intelligent_system_for_detecting_235-247.pdf
Size:
9.19 MB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
2023n14_Heriak_Y-Intelligent_system_for_detecting_235-247__COVER.png
Size:
408.48 KB
Format:
Portable Network Graphics
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.8 KB
Format:
Plain Text
Description:
Download

Collections

Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. – 2023. – Випуск 14