本文以中国知网、维普、Turnitin官方技术文档为依据,结合教育部《学位论文作假行为处理办法》(2013年第1号令)的相关条款,对查重规则的五个模块,即检测原理、范围界定、报告解读、常见误区和修改决策标准进行了系统的拆解。读完本文之后,你就会得到一套可以马上使用的查重通关方案。
1. 查重系统的核心检测原理:文本比对与算法机制
1.1 连续字符匹配:查重系统的“第一性原理”
所有主流的查重系统(知网、维普、万方、Turnitin)都使用字符串匹配算法,而不是语义理解。这就意味着系统不会去判断你的文字是否是抄袭,只会判断你的文字是否和数据库里的内容相似。
关键阈值对比:
实测数据:同一段引用文字“根据Smith(2020)的研究,深度学习模型在图像识别任务中的准确率已达到98.5%”,知网标红(因为连续13字符“深度学在图像识别任务中的准确率”与原文匹配),而维普未识别(因为字符未达到20字阈值)。掌握了这种差异,就可以对不同的系统采取不同的改写方式。
1.2 算法工作原理:文本如何被“切片”比对
查重系统的完整工作流程为:
图 查重系统工作流程示意图
流程详解:
- 文本预处理:系统把论文分成“句子单元”,去掉空格和标点符号,再做分词处理(中文用词典分词,英文用空格分词)。
- 指纹哈希:每一个句子单元都被转换成固定长度的哈希值(MD5),形成文本指纹。
- 滑动窗口匹配:系统用连续的字符作为窗口(13字),在数据库里滑动比对。一旦匹配成功就标记为“重复”。
- 引用识别:系统用正则表达式来识别引用标记(`[1]`、`(Smith, 2020)`),并且检查引用格式是否规范。格式正确时,引用内容不计入重复率。
- 报告生成:输出总文字复制比、去除引用后的复制比、单篇最大重复比等指标。
案例:计算机专业研究生在提交论文之前,发现自己的摘要部分重复率达到了30%。经过排查发现,是引用别人的框架描述“本系统使用的是基于Transformer的编码器-解码器结构”时没有进行改写。连续13个字“基于Transformer的编码器-解码器架构”和知网数据库匹配。将表述改为“采用Transformer派生架构,创建编码和解码两个模块”并规范引用,重复率降到5%。核心就是理解阈值之后,改写幅度要大于13字,不能只替换个别词语。
2. 查重系统的检测范围:哪些内容会被纳入计算
2.1 必检区域:正文、标题、摘要、关键词
所有文本内容都被检测出来,即:
- 正文段落(引言、文献综述、方法、结果、讨论等)
- 各级标题(章、节、小节标题)
- 中英文摘要和关键词
- 致谢、附录、注释
例外:封面、声明、独创性声明、目录(部分系统不检测)一般不计入重复率。
2.2 特殊区域检测规则
特别提醒:根据教育部《学位论文作假行为处理办法》第三条,学位论文有下列情形之一的,视为作假:
- 购买、出售学位论文
- 由他人代写
- 剽窃他人的作品和学术成果
- 伪造数据
引用规则:引用标注有上限。知网规定单篇引用比例不超过10%,超过部分即使格式正确,也会被判定为重复。维普的引用阈值设为15%以内不标红。
查重系统检测范围对照表
3. 查重报告解读:关键指标与风险分值计算方法
3.1 核心指标解读
总文字复制比(重复率):最直观的指标,但不是唯一标准。根据教育部《学位论文作假行为处理办法》,各高校一般会设定以下阈值:
- 低于15%:可以直接提交
- 15%到30%:需要修改后提交
- 超过30%:需要重新修改,延迟答辩
去除引用后的复制比:排除正确引用后的重复率。如果该指标大于20%,那么引用比例过高,需要减少引用或者加强改写。
单篇最大重复比:论文与数据库中某一篇文献的最大重复比例。如果超过5%,即使总重复率很低,也会被认定为复制粘贴,需要重点检查。
3.2 风险分值模型
部分高校用风险分值来综合评价:
判定标准:
- 风险分值≥80分:可以直接提交
- 风险分值≥60分且<80分:需要修改后提交
- 风险分值<60分:需要重新规划段落结构,进入人工复核
案例:某论文总重复率为12%,小于阈值,但是单篇最大重复比为8%,与一篇综述文章重合。系统判定风险分值=100-30=70分,需要修改。将该段落的8句连续文字重新组合成3个独立的段落,加上自己的分析,单篇最大重复比降到2%,风险分值提高到95分。
4. 常见误区与避坑指南:反例分析
4.1 误区一:只改同义词,不调整句式
错误做法:把“人工智能技术正在快速发展”改成“人工智能技术正在迅速进步”,连续13个字“人工智能技术正在”没有变化,仍然被标红。
正确做法:重新构建句子结构,保证连续13个字符完全不重复。目前,以深度学习为代表的人工智能技术正处在飞速发展的时期。
4.2 误区二:将所有内容都标注为引用
错误做法:全文通篇标记 `[1]` 、 `[2]` ,以为引用标注即可规避查重。
正确做法:引用标注有上限(知网单篇≤10%,维普≤15%)。超过阈值,即使格式正确,也会被判定为重复。引用比例控制在20%以内,每段引用独立改写。
4.3 误区三:忽略表格与公式
错误做法:照搬参考论文中的表格数据,只修改表格标题。
正确做法:表格中文字如果连续13个字相同,也会被标红。需要对表格内容进行独立改写,保持原意不变,调整语序。把“实验组样本量50例,对照组样本量50例”改为“实验组纳入50个样本,对照组同样配置50个样本”。
4.4 误区四:认为AI生成内容不可查
重要提醒:目前主流查重系统对于AI生成的文本检测能力较弱,但是2026年新规将加入AI特征识别。教育部2025年发布的《学位论文AIGC使用规范(征求意见稿)》规定:
- 论文中AI生成的内容要标注,且比例不能超过20%
- 未标注的AI内容,按照学术不端处理
- 部分高校已经开始试点AIGC检测
建议:虽然是AI辅助写作,但是也需要人工复核、改写,保证逻辑连贯、语言风格统一。
查重系统判定重复的规则示意图
4.5 常见误区与正确做法对比表
5. 查重后修改的决策标准:何时需重写,何时可提交
5.1 决策标准一:绿色通道(可直接提交)
- 总重复率≤15%
- 单篇最大重复比≤5%
- 风险分值≥80分
行动:不需要修改,按照规范格式提交即可。但是建议保留查重报告备查。
5.2 决策标准二:黄色预警(需修改后提交)
- 总重复率在15%-30%之间
- 或者单篇最大重复比>5%
行动:2天内完成修改,主要解决:
- 单篇重复比高的段落,加强改写
- 引用比例过高的部分,减少引用并加入自身分析
- 表格和公式中的重复文字独立改写
预期收益:经过以上修改,可以将总重复率控制在15%以下。
5.3 决策标准三:红色警报(需重新规划)
- 总重复率>30%
- 或风险分值<60分
行动:需要重新规划段落结构,具体建议如下:
- 逐段标注重复来源,找出重复模式
- 对重复段落进行重组,即拆分长句、合并短句、改变论证顺序
- 采用同义替换、句式重构、增加新内容的组合方式
- 重点检查摘要、引言、文献综述部分
改写示例(以“根据Smith(2020)的研究,深度学习模型在图像识别任务中的准确率已达到98.5%”为例):
错误改写:Smith(2020)认为深度学习模型在图像识别任务中准确率是98.5%。
正确改写:2020年,Smith团队把深度学习模型应用到图像识别上,使准确率提高到98.5%。该成果表明,该技术在复杂的环境中具有更高的可靠性。
关键点:连续13个字“深度学习模型在图像识别任务中准确率”被完全打乱,但原文的主要信息没有丢失。
常见问题
共 5 个问题,点击展开查看专业解答
查重系统一般检测正文、标题、摘要、关键词、致谢、附录等文本内容,但通常不包括封面、声明、目录。图表标题和表格文字会被检测,公式和图片中的文字(部分系统支持OCR)视系统而定。参考文献列表一般不会参与到重复率的计算当中,但是格式错误的话就会被误判。
引用要正确标注引用格式(如 `[1]`、`(Smith, 2020)`),系统会识别出来并标记为引用,不会计入重复率。但是不同的系统识别规则不一样,知网要求引用格式规范(作者、年份、页码),维普需要手动设置排除引用库。过度引用(单篇超过10%)或者格式错误的,也会被认定为重复。引用比例控制在20%以内,每段引用独立改写。
查重系统是用连续字符匹配算法来判定重复的。当论文中连续13个字符(知网)或者20个字符(维普)与数据库中的内容相同,就判定为重复。同一句话被改写但是结构相似(“A导致B”改为“B由A引起”),如果连续字符没有超过阈值,就不会被判定为重复。整句重复、段落重复、改述但结构相似都有可能被标记。
大部分主流查重系统不能直接对图片中的文字(JPG、PNG格式的图表)进行检测。但是表格中的文字一般会被检测出来,并且检测阈值会更加严格(维普对表格文字要求15字以内就标红)。部分高级系统有OCR功能,但是2025年主流系统没有。重要的数据在表格中保留,并独立改写。
有些查重系统会对参考文献进行检测,但是会把参考文献的重复单独列出来,不纳入总重复率。但是不同的系统规则不一样,知网不检测参考文献列表(但是会检测文献中引用的标注),维普需要手动设置排除引用库。为了防止因为格式不正确而被误判,参考文献要采用标准格式(GB/T 7714、APA、MLA等),并且每一条文献单独书写,不能堆砌。
本文只供参考、学习使用。 查重系统是学术诚信的辅助工具,而不是规避手段。请遵守学术规范,独立完成论文写作。下集我们将讲解查重前的前置自查准备要点,帮助你提前排查常见问题,避免重复修改。
立即行动两个步骤:
- 下载查重报告,对照“风险分值模型”排查各指标
- 使用系统的“排除引用库”功能,快速降低格式规范引文的标红区域