基于n-gram的中文文本复制检测：原理、算法与优化

一、引言

1.1研究背景与意义

在当今数字化信息爆炸的时代，随着计算机技术、通信技术和网络技术的迅猛发展，网络已成为人们获取信息的核心渠道。据相关数据显示，截至2023年，全球互联网用户数量已超过50亿，海量的中文文本信息在网络上广泛传播。然而，这种信息的快速增长也带来了一系列严峻的问题，其中文本复制现象尤为突出。在学术领域，部分学者为追求学术成果数量，存在抄袭他人研究成果的行为，严重破坏了学术诚信环境。在新闻媒体行业，一些媒体为节省采编成本，未经授权大量复制其他媒体的报道内容，损害了原创媒体的利益，也降低了新闻的真实性和可靠