سیستم تشخیص سرقت علمی در مقالات فارسی

همتاجو (HemtaJoo) یکی از نخستین سامانه‌های بومی برای مقابله با سرقت علمی در ایران است که توسط جمعی از متخصصان زبان‌شناسی رایانه‌ای و تحلیل متن توسعه یافته است.

ویژگی‌های اصلی همتاجو:

• پوشش گسترده منابع فارسی: شامل مقالات نشریات، پایان‌نامه‌های دانشگاهی و محتوای وب فارسی.

• الگوریتم تطبیق ترکیبی: همتاجو از روش‌های Token-based matching و semantic similarity استفاده می‌کند؛ یعنی علاوه بر شباهت واژگان، معنی جمله نیز بررسی می‌شود.

• گزارش درصد مشابهت و منابع اصلی: خروجی سیستم درصدی از شباهت و لینک به متون مشابه را ارائه می‌دهد.

• پشتیبانی از بازنویسی و ترجمه: قابلیت تشخیص مشابهت در ترجمه‌های نزدیک (مثلاً ترجمه ماشینی از انگلیسی به فارسی).

• کاربرد آموزشی: بسیاری از دانشگاه‌ها از همتاجو به عنوان ابزار غربالگری اولیه برای پایان‌نامه‌ها استفاده می‌کنند.

نقاط قوت و ضعف همتاجو:

✅ نقطه قوت: دقت در تشخیص مشابهت مفهومی و تحت‌اللفظی

❌ نقطه ضعف: گاهی در متون تخصصی رشته‌های فنی دقت کاهش می‌یابد، چون اصطلاحات خاص به‌درستی در پیکره زبانی وجود ندارد.

سمیم نور زیرمجموعه‌ی مؤسسه‌ی نور قم است و یکی از پیشرفته‌ترین موتورهای تحلیل متون فارسی به‌شمار می‌رود.

قابلیت‌های کلیدی:

• پردازش معنایی عمیق: استفاده از پایگاه معنایی مصنوعات زبانی مؤسسه نور برای تحلیل واژگان و روابط نحوی.

• تطبیق چندلایه: مقایسه در سطح واژه، عبارات و جملات.

• اتصال به پایگاه‌های علمی نورمگز و گنجینه پایان‌نامه‌ها: موجب گسترش منبع مقایسه تا چند میلیون سند علمی فارسی.

• گزارش بصری کامل: بخش‌های مشابه در متن ورودی با رنگ مشخص می‌شوند تا کاربر بتواند تفاوت و مشابهت را به‌صورت دیداری بررسی کند.

• استفاده از یادگیری ماشین: در نسخه‌های جدید، سمیم نور از شبکه‌های عصبی عمیق برای درک معنایی تطبیق بهره می‌گیرد.

نقاط قوت و ضعف سمیم نور:

✅ دقت بالا در متون علوم انسانی و الهیات (به دلیل تمرکز منبع متنی نور)

❌ پوشش محدودتر متون علوم مهندسی و پزشکی نسبت به پایگاه‌های عمومی.