互联网的发展使得人们可以通过粘贴复制,径直将网上他人的知识成果放在自己的论文里,无意间形成侵权、学术造假等事件。而学术论文不断反复套用、盗用,严重的影响了整个学术界的氛围,低水准论文满天飞。要想从根本上杜绝类似事件的发生,就要通过增强对论文的重复率度量来监督,当前国内外对文本的查重成为新的研究热点。实行版权保护时,一个高效的方法是对文档之间的相似程度进行度量。文本相似度研究在判定文章原创方面有着普遍运用,而度量后最终得到的相似程度和在计算时使用的方法紧密相关,方法不同导致最后结果可能有很大的差别。针对目前中文文本相似度计算上存在严重的语义缺失以及长文本依赖问题,提出一种基于深度语义的匹配模型——LSTM-DSSM模型,应用于在线论文查重系统,从而使查重的结果更加准确。本文对文本相似度计算常用的DSSM（Deep Structured Semantic Model）模型进行改进。首先针对中文中普遍存在的一词多义的难题,引入基于字向量的BERT模型作为基线构建词向量,并且为了解决其语义表示不准确的问题,提出一种中文英文相结合的输入方式来进行模型训练,从而增强对于文本中词向量的构建的准确性。其次,在模型的表示层使用LSTM模型来解决中文文本处理中常见的丧失上下文信息以及长文本依赖问题。最后,经过输入层以及表示层处理后得到文本语义特征,使用DSSM模型的原始匹配层来进行文本内容的相似度计算,利用余弦函数计算相关系数,得到两个语句的相似程度,进而判断文档的重复率。基于以上LSTM-DSSM模型开发了一个论文查重系统,通过调查研究用户在线查重的需求和习惯,对系统进行详细需求分析后,对系统的管理员和用户功能模块进行划分,然后分别完成系统所有功能模块的详细设计和系统数据库设计,最后实现论文查重系统,并将上述文本相似度计算模型融入论文重复性检测模块。在该系统中,用户使用真实信息注册登录后,可以进行提交论文检测、查看下载检测报告、自建库、发布查看留言等操作;管理员使用管理员权限登录该系统后可以进行管理用户信息、管理留言、提交论文检测、查看下载检测报告、自建库管理、发布查看留言等操作,总体功能能够满足用户论文查重系统的总体需要。同时还选取了三个文本相似性计算模型与本文模型进行对比实验,实验结果显示,本文所给相似性计算模型相较主流相似性计算模型在准确率和消耗时间等指标上均有所改善,具有一定理论和现实意义。