中国文学论文的查重难点往往集中在文本细读部分。我们在分析某高校中文系30篇退回论文时发现,超过70%的重复段落出现在对经典文本的阐释性语句中。查重报告通常用红色标注连续13字以上的重复,但很多同学误以为只要改写关键词就能过关。实际上,系统会检测句法结构相似度。我们实验室在测试中发现,将被动语态转换为主动语态(例如将“被作者赋予”改为“作者赋予”)可降低约15%的重复率。更有效的方法是进行词性替换:将名词动词化,如将“对文本的解读”改为“解读文本”。
一个具体的案例是:某研究生论文中分析《红楼梦》的段落重复率高达45%。我们建议将“贾宝玉的性格被曹雪芹塑造为叛逆”改为“曹雪芹塑造贾宝玉叛逆性格”,同时将“叛逆”替换为“反传统”,重复率降至12%。这背后涉及句法相似度计算:$S_{sim} = \frac{2 \times |A \cap B|}{|A| + |B|}$,其中A、B为句子的n-gram集合。通过改变语序和词性,n-gram重合度显著下降。