随着我国综合国力的不断提升,英语在我们的生活里扮演了越来越重要的角色,而写作能力是英语能力的一项重要指标。互联网的蓬勃发展,使得信息的传播成本接近于零,人们可以随意的发送或者接受信息。然而,互联网野蛮生长的背后,使得抄袭成为一件越来越唾手可得的事情,可以随意的将他人的作品占为己有,抄袭就这样产生了。抄袭的普遍性与其带来的社会危害性,使得对抄袭检测的研究变得越来越迫切。一般来说,我们将抄袭检测领域的研究分为两个方向:复制抄袭检测和语义抄袭检测。到目前为止,已经取得了阶段性的进展。早些年研究者的主要目光集中在复制抄袭检测研究上面。而近些年,研究者把更多的注意力投向了语义抄袭检测研究领域。本文针对这两种检测类型,在对抄袭检测领域进行深入的研究后,提出了自己的抄袭检测模型。本文的研究内容概括如下:1、针对复制抄袭检测问题,采用N-Gram滑动窗口对作文进行切分,对每个NGram计算哈希值,通过对比哈希值进行相似度计算。实验表明,本方法提取的特征能够有效地进行复制抄袭检测,能够有效减少计算量,降低整个模型的时间复杂度。2、针对语义抄袭检测问题,提出了一种基于BERT（Bidirectional Encoder Representations from Transformers）的抄袭检测模型。该模型使用BERT预训练模型对句子进行特征向量表示。通过对比BERT+全连接、BERT+Text CNN、BERT+BiLSTM、BERT+BiLSTM+Attention在MRPC数据集上的表现,实验结果显示BERT+BiLSTM在MRPC数据集上的各项指标最好,相比基线模型BERT+全连接,准确率提高了2.3%,Auc提高了3.3%,精确率提高了2%,召回率提高了0.7%,F1值提高了1.6%,所以最终选择BERT+BiLSTM作为本文模型的主要结构。相比其他深度学习模型,本文模型在MRPC数据集上取得了显著高于DSSM、CDSSM、ARC-II、Match Pyramid、Match-SRNN、MV-LSTM、PTDDMM-ISS-L、u RAE、Multi Gran CNN等方法的性能。3、基于上述方法,本文构建了英语作文抄袭检测模型,经过实验结果表明,本文模型对英语作文抄袭检测的有效性,表明本文模型具有较高的准确率和较低的时间复杂度。