互联网的发展使抄袭现象越来越严重,抄袭检测也成为学术界研究的重点。人们可以通过各种途径去获取抄袭资源,更严重的现象是“知识产权剽窃”也随之而生,抄袭这种社会现象具有广泛的危害性,抄袭检测研究可以精确的识别各类抄袭文档,并且有效的减少抄袭现象。现有抄袭检测研究主要包括三方面的内容:抄袭语料的获取、抄袭源检索和抄袭检测文本对齐。本文基于这三方面的研究,开展了如下创新性工作。现有抄袭语料主要采取的是人工获取抄袭语料方法。针对这种方法存在的质量和时间效率的问题,本文提出基于文本对齐算法的抄袭检测语料获取方法,自动获取抄袭语料,为抄袭检测的研究提供基础数据。本文给出基于文本对齐算法的抄袭检测语料获取方法的框架和文本对齐算法,并对本文所获取的语料给出语料信息统计及评价。现有基于启发式的源检索方法存在不足,例如:缺乏理论支持,仅仅依赖于专家经验等不足之处。为此本文提出基于监督学习的源检索过滤模型,给出源检索过滤框架和算法,探讨了排序学习方法和基于分类方法在源检索过滤中的性能,详细对比了各类源检索的特征对源检索性能的影响。在过滤模型构建过程中,本文成功的选择出具有最好检索性能的特征和监督学习算法。基于词匹配的抄袭检测文本对齐方法在照搬照抄、低模糊抄袭的检测上已获得了较高的性能,但是在面对实施了各种高模糊抄袭手段的抄袭时则表现出较差检索性能。为此本文提出了基于语义的文本对齐方法,将语义信息引入到抄袭检测中,分析了词的分散式表达,给出了基于语义的文本对齐模型。通过实验证明,本文构建过滤模型和种子搜索模型的研究方式弥补了当前研究中的不足,提升了抄袭检测的整体性能,为源检索过滤任务以及文本对齐种子搜索任务的研究提供了新的方法和研究方向。