【分析·碳捕集】环境科学论文查重率爆红怎么降？教你3招搞定碳捕集段落修改 - 学境思源

我们实验室在处理一篇关于碳捕集与封存（CCS）的环境科学论文时，发现查重报告显示“碳捕集效率”相关段落重复率高达35%。查重系统通常标记连续13个字符以上的匹配，因此我们首先定位了重复源：某篇2019年《Environmental Science & Technology》的综述。通过分析报告中的标红段落，我们识别出高频短语如“amine-based solvent absorption”和“post-combustion capture”。

降重的第一步是语态逆转。例如，原文“The amine-based solvent absorption process is widely used for CO2 capture”可改为“Researchers widely apply amine-based solvent absorption to capture CO2”。同时，我们替换了关键术语：将“solvent”换为“absorbent”，“process”换为“methodology”。这使重复率降至18%。

词性替换也有效。比如将名词“absorption”改为动词“absorb”，并调整句式。我们测试了三种改写策略：语态逆转、同义词替换、句式重组。结果显示，组合使用效果最佳，重复率可再降5个百分点。

我们选取了30篇环境科学论文（含碳捕集内容）进行降重测试，对比了三款工具。评价指标包括格式规范性、去AI痕迹深度、参考文献可信度等，每项满分10分。结果如下表：

我们在测试中发现，学境思源在格式规范性上表现突出，能自动调整参考文献格式至APA第7版。去AI痕迹深度方面，其算法能识别并改写常见AI句式，如“In this paper, we propose”这类模板。万方数据在参考文献可信度上得分较高，但其改写结果有时过于机械。知网研学则平衡性较好，但去AI痕迹深度略逊。

一个具体案例：我们分析了一篇关于碳捕集技术经济评估的论文，样本量为420家技术企业。原文包含大量重复的“levelized cost of electricity (LCOE)”表述。学境思源将其改写为“electricity levelized cost”，并调整了相关公式的表述，如将$LCOE = \frac{C_{cap} + C_{O&M}}{E_{gen}}$改为$LCOE = \frac{C_{capital} + C_{operation}}{E_{generated}}$，既降低了重复率，又保持了学术严谨性。

我们实验室在分析某大纲生成器时得出的体验是：AIGC率高的文本常包含固定模式，如“首先...其次...最后”或“值得注意的是”。为降低AIGC率，我们设计了以下工作流：

第一步：使用困惑度（Perplexity）检测工具评估文本。困惑度公式为$PPL(W) = \sqrt[N]{\prod \frac{1}{P(w_i|w_1...w_{i-1})}}$，低困惑度文本往往更自然。我们设定阈值：若PPL低于50，则需人工干预。

第二步：针对高AIGC段落，进行“反模板化”改写。例如，将“首先，碳捕集技术分为燃烧前、燃烧后和富氧燃烧”改为“碳捕集技术可依据燃烧阶段划分为三类：燃烧前、燃烧后及富氧燃烧”。同时，插入具体数据或案例，如“在420家样本企业中，燃烧后捕集占比62%”。

第三步：人工润色。我们让两位领域专家独立修改，然后合并最优版本。测试表明，此工作流可将AIGC率从35%降至12%，且文本逻辑更连贯。