CrossCheck/iThenticate这个查重软件，投过稿的同学想必都知道，专业的查重软件，国际各大期刊出版社都在使用，很多情况下编辑会根据软件的查重结果对论文进行判断。一般来说，论文的总体相似率超过20%，编辑就会要求修改或者可能直接拒稿，后果还是很严重的。一般情况下，总体重复率不超15%，单一相似来源不超2%相对比较安全。那CrossCheck/iThenticate到底是如何进行判定重复的呢？
一篇被CrossCheck/iThenticate查重的文章，这个系统首先应该做的是进行文本的格式化，因为一篇文章中，除了单词以外，还有大量的符号（标点符号，数学符号及特殊符号等）。这些并不是CrossCheck/iThenticate查重的对象，所以会把他们预先处理掉，这些符号会通通被替换为空格，这种文本处理方式也是很常见的，在python和matlab的数据处理中经常会使用，处理后的文章就只剩下单词和公式等内容，然后软件会调用文献库用特定的程序对文章进行比对处理，根据软件设置的重复原则对文本进行标记，最终得出一份相似性报告。
那么，CrossCheck/iThenticate判定重复规则是什么呢？网上很多关于这些规则的说法，大部分是说连续六个单词即判定重复，或者根据语言风格相似即判定重复，其实这些说法不准确，其实查重的基本规则只有一条：被判定为重复的不连续的六个单词中间，连续不重复的单词小于四个（不包括四个），即判定这六个单词重复。（注意：这是系统默认的判定规则，大部分期刊使用默认规则）。
- 1376 次浏览