論文查重過程中不分段的主要原因是什么？

論文查重系統(tǒng)檢測(cè)時(shí)不考慮文檔分段，主要有以下幾個(gè)實(shí)際原因：

核心目標(biāo)是比對(duì)文字內(nèi)容，不是看排版。 查重的根本任務(wù)是發(fā)現(xiàn)你寫的文字和數(shù)據(jù)庫里已有的內(nèi)容是不是一樣或特別像。系統(tǒng)只關(guān)心具體寫了什么詞句、怎么組織的。分不分段、用幾號(hào)字體、有沒有縮進(jìn)、頁邊距多大，這些屬于格式問題，和判斷學(xué)術(shù)原創(chuàng)性沒有直接關(guān)系。你一上傳論文，系統(tǒng)第一步就是把所有格式標(biāo)記統(tǒng)統(tǒng)剝掉，只留下赤裸裸的文字串。想象一下它拿到一份純文本：沒有任何空格，沒有標(biāo)題分級(jí)，所有文字連成一片。在這個(gè)狀態(tài)下，它才好統(tǒng)一標(biāo)準(zhǔn)去掃描文字串重復(fù)模式。

更容易發(fā)現(xiàn)連續(xù)抄襲行為。 抄襲的人最喜歡整段、整頁甚至整節(jié)地復(fù)制黏貼。如果你把文字分成小段查，反而給了抄襲行為鉆空子的機(jī)會(huì)。比如一個(gè)人從A文章抄一段，再從B文章抄一段，如果系統(tǒng)分開看每一小段，也許重復(fù)率不高就混過去了。但如果不分段，文字全拼在一起檢查，系統(tǒng)就能更高效地發(fā)現(xiàn)這種跨多個(gè)段落大段搬運(yùn)別人內(nèi)容的行為。對(duì)系統(tǒng)而言，一串長(zhǎng)而相同的文字流通常就是嚴(yán)重抄襲的信號(hào)。

防止用戶“技術(shù)性躲檢測(cè)”。 有的學(xué)生為了降低查重率故意耍小聰明：在詞之間添加空格、隨便敲個(gè)回車把句子斷開變成很多小短段，甚至亂加些符號(hào)把原文割裂開。查重系統(tǒng)不分段，直接抓整體文本流，就可以無視這些人為拆開的伎倆。你想作弊多按幾個(gè)回車、多加幾個(gè)空格都沒用，系統(tǒng)直接當(dāng)它們不存在。核心文字連接方式一致，就會(huì)被識(shí)別出來。

技術(shù)處理高效穩(wěn)定。 不同人寫論文用的軟件五花八門：有word、wps、pdf，有txt，還有在線文檔。每一類文檔的內(nèi)部結(jié)構(gòu)都不一樣。要求系統(tǒng)分段識(shí)別，得去適應(yīng)每種文件格式的結(jié)構(gòu)解析規(guī)則。這會(huì)讓系統(tǒng)變得更復(fù)雜、處理速度更慢、誤識(shí)別更多。統(tǒng)一改成不分段的純文本分析，對(duì)所有論文格式執(zhí)行相同操作步驟，處理起來速度更快，結(jié)果也更容易保持一致。

用戶自己提交格式不準(zhǔn)也是原因。 你可能提交的論文格式亂七八糟：有的論文加了好多空行讓視覺上分塊明顯，有的論文一個(gè)標(biāo)題之后緊跟著大段話根本沒分節(jié)；有人故意用不同字體和空白掩蓋文字連續(xù)性。如果不忽略段落這些表層結(jié)構(gòu)，檢查結(jié)果會(huì)受到你排版好壞的影響，導(dǎo)致對(duì)相同抄襲行為處罰不公平：會(huì)排版的“躲過去”了，排版不好的人就被標(biāo)記出來？這顯然不合理。查重就該回到文字本質(zhì)。