语言: 中文
缩略图: 用于社交分享的缩略图链接
标签:

• 数组
• 标签组
  数据集:
• jpwahle/机器改写检测数据集

小组件示例:

• 文本: "抄袭是将他人作品、观点、创意或表达方式冒充为自己原创的行为。"

基于Longformer的机器改写检测模型

若在研究中引用本模型，请注明:

@InProceedings{10.1007/978-3-030-96957-8_34,
    作者="Jan Philip Wahle 等",
    标题="机器改写抄袭识别技术",
    书籍标题="塑造全球未来的美好世界信息",
    年份="2022",
    出版社="Springer",
    摘要="使用改写工具掩盖抄袭内容对学术诚信构成严重威胁。为检测机器改写文本，我们评估了五种预训练词嵌入模型结合机器学习分类器与前沿神经语言模型的效果。通过分析研究论文预印本、学位论文及维基百科文章（使用SpinBot和SpinnerChief不同配置改写），最佳性能的Longformer模型平均F1值达80.99%（SpinBot案例F1=99.68%，SpinnerChief案例F1=71.64%），而人工评估结果分别为F1=78.4%和F1=65.6%。研究表明，该自动分类方法能有效改善Turnitin等主流文本匹配系统的局限性。",
    ISBN="978-3-030-96957-8"
}

本模型基于机器改写抄袭数据集训练所得Longformer-base检查点

附加信息:

• longformer-base-4096模型主页
• Longformer长文档Transformer论文
• AllenAI官方实现

调用示例:

from transformers import AutoModelForSequenceClassification, AutoTokenizer

AutoModelForSequenceClassification("jpelhaw/longformer-base-plagiarism-detection")
AutoTokenizer.from_pretrained("jpelhaw/longformer-base-plagiarism-detection")

input_text = "抄袭是将他人作品、观点、创意或表达方式冒充为自己原创的行为。"

tokenized_example = tokenizer.tokenize(input_text, add_special_tokens=True)

result = model(**tokenized_example)
                                
# 输出"抄袭"