首先,请注意,我感兴趣的是这样的东西是如何工作的,并且我不打算为客户端等构建它,因为我确信可能已经存在开源实现.
这些算法如何在上传文本中检测抄袭？它是否使用正则表达式将所有单词发送到索引,删除已知的单词,如"the","a"等,然后查看在不同的文章中有多少单词是相同的？他们是否有一些神奇的相同单词将它标记为可能的副本？它是否使用levenshtein()？
我选择的语言是PHP.
UPDATE
我正在考虑不在全球范围内检查抄袭,但更多的是在30个上传的论文中说.如果学生们在一个严格的一个人的任务上聚在一起.
这是一个声称这样做的在线网站:http://www.plagiarism.org/