作者：林政宏(雲書苑教育科技有限公司)
在上一篇文章（新笑傲江湖—你不知道的論文抄襲招式）中，我們介紹了目前抄襲者為逃避相似度比對所採取的種種措施。接下來談談臺灣本土開發的中文比對系統如何面對這些挑戰。
以紅樓夢來做文字風格分析測試
首先介紹的是，快刀系統在2010年對外公開的「文風分析」比對方法。
關於國學名著紅樓夢的作者是誰，一直是學界爭議的焦點。根據胡適先生的考證，認為前八十回與後四十回並非同一人。如今，拜科技之賜，我們透過量化分析及詞頻統計方式，對紅樓夢的文風進行分析，進而輔助學者從事相關研究。
快刀系統的分析步驟如下：
- 取得全文。此次分析的範本，是經過輾轉尋找，終於找到一份校對六次過的精校版紅樓夢全文。
- 去掉多餘標點符號，只留下純文字。
- 處理「停用詞」。停用詞是指的是文章中可忽略的介系詞，語助詞，結尾感嘆詞等等。但因紅樓夢的語助詞具有紅學考證上的實質意義，並且十分優雅，因此我們決定跳過停用詞的過濾程序。
- 斷詞與詞頻分析。
- 用詞習慣統計。
我們可以得到80 回前/後的用詞頻率及120個章節的用詞習慣圖。
從本落點分析圖可得知，前80回合跟後面40回合， 座標有相當的差距。
結語
經快刀斷詞統計分析，鎖定了常用的 278 個高頻詞語，（包含代名詞、形容詞、副詞、介系詞、連結詞），還有42 個文言文虛詞，這構成了曹雪芹寫作的文字風格特徵，在後面40回合這些特徵就不明顯。
論文抄襲手法及破解方式不斷快速演化。相似度比對系統，雖可以協助使用者執行文章內容審查，但只有積極提昇學術倫理教育，以正確的引用方式傳承前人的研究智慧，才是讓社會進步的解決之道。
延伸閱讀：