随着科学技术和互联网的飞速发展和普及,搜索引擎的日益强大,网络已经渗透进人们的生活、学习和工作当中。网络给人们带来了便捷,同时也给抄袭剽窃等行径提供了机会。防范和遏制抄袭造假行为,建立一种快速、准确的论文抄袭检测模型具有现实意义。进行知识产权保护的一个主要做法就是抄袭检测。从不同的观点来看,可以把抄袭检测研究划分为两种类型,分别是:有参考文档的外部抄袭检测研究和无参考文档的内部抄袭检测研究。外部抄袭检测是在一个参考文档集的前提下,判定指定文档是否存在抄袭,并找出抄袭部分和抄袭来源,不同的是,而内部抄袭检测研究没有借助外界参考资料。本文主要研究外部抄袭检测,本文提出了基于信息检索和支持向量机的外部抄袭检测方法,其对应的子任务就是备选文档检索和基于SVM的详细比对,具体的研究内容如下:第一,用信息检索系统从参考文档集中检索出与可疑文档对应的源文档,组成备选文档集。本研究使用TF-IDF方法作为关键词提取方法,并使用了向量空间模型作为相似度计算的模型。第二,针对详细比对任务,本研究提出了基于SVM的研究方法。对于可疑文档和备选文档组成的文本对<可疑文档,备选文档>进行特征提取,将得到的特征值写成向量的形式,用这些特征向量训练支持向量机分类器,得到一个比较稳定的支持向量机分类模型;最后将从测试集中检索得到的备选文档集和可疑文档提取的特征向量投入到分类器中进行分类,从而预测可疑文本是否包含抄袭。第三,针对SVM分类器的训练与测试,本文提出了新的特征组合。实验证明,进行备选文档检索时,使用了TF-IDF进行关键词的提取,用向量空间模型作为相似度计算模型的方法,这些措施提高了备选文档检索的精度和效率,从而使袭检测系统的性能得到有效的提升;对于详细比对任务,使用了支持向量机分类器,并在特征提取时提出了新的特征组合,使得抄袭检测系统的整体评测指标得到一定程度的提高。本研究提出的采用信息检索系统和支持向量机进行外部抄袭检测研究,此方法提升了文本抄袭检测的质量,并在不同程度上提升了抄袭检测的精确率和召回率,为使用机器学习算法进行抄袭检测研究提供了一定的参考。