Outil de détection du plagiat d’articles

Outil professionnel en ligne de détection de similarité de texte, prenant en charge plusieurs algorithmes pour détecter le taux de répétition et la similarité des textes.

Signaler un bug

Chargement de l’outil, veuillez patienter...

Si l’outil en ligne ne se charge pas ou ne fonctionne pas, essayez l’outil de bureau. https://tools.yikeaigc.com/

Utilisation de l’outil

Retour à l’ancienne version

Détecteur intelligent de similarité de texte

Outil professionnel d’analyse de similarité basé sur plusieurs algorithmes IA

Similarité cosinus Coefficient de Jaccard Plus longue sous-séquence commune Correspondance N-gram Distance d’édition Similarité sémantique

ATexte original (référence)

📄 Déposez le fichier ici

📁 Choisir un fichier

BTexte à comparer (à vérifier)

📄 Déposez le fichier ici

📁 Choisir un fichier

🔧 Paramètres de détection

Seuil de similarité (%)

Longueur N-gram

Longueur min. de correspondance

Ignorer la ponctuation

Ignorer la casse

Mode langue

Choisir l’algorithme

Similarité cosinus

Calcul de similarité basé sur le modèle vectoriel

Coefficient de Jaccard

Mesure de similarité par intersection/union d’ensembles

Plus longue sous-séquence commune

Similarité de séquence par programmation dynamique

Correspondance N-gram

Algorithme basé sur des fragments de caractères/mots

Distance d’édition

Mesure de distance des opérations d’édition

Similarité sémantique

Algorithme sémantique basé sur les vecteurs de mots

Analyse de similarité du texte...

Instructions

Instructions d’utilisation du logiciel

Saisir le contenu du texte : saisissez le texte de référence dans le champ « Texte original » à gauche, et le texte à vérifier dans le champ « Texte de comparaison » à droite. Vous pouvez également importer un fichier texte au format txt en cliquant sur le bouton « Choisir un fichier à importer ».
Choisir l’algorithme de détection : dans le panneau de paramètres, sélectionnez l’algorithme de détection de similarité à utiliser :
- Similarité cosinus : calcul de similarité basé sur le modèle d’espace vectoriel
- Coefficient de Jaccard : mesure de similarité basée sur le rapport intersection/union des ensembles
- Plus longue sous-séquence commune : calcul de la similarité des séquences par algorithme de programmation dynamique
- Correspondance N-gram : algorithme de correspondance basé sur des fragments de caractères/mots
- Distance d’édition : mesure de distance des opérations d’édition de chaînes
- Similarité sémantique : algorithme de compréhension sémantique basé sur les vecteurs de mots
Ajuster les paramètres de détection :
- Seuil de similarité : définir le seuil en pourcentage pour déterminer la similarité (0-100 %)
- Longueur N-gram : définir la longueur des fragments de caractères pour l’algorithme N-gram
- Longueur minimale de correspondance : définir le nombre minimal de caractères correspondants
- Options d’ignorance : choisir d’ignorer ou non la ponctuation et la casse
- Mode linguistique : choisir le mode chinois, anglais ou mixte chinois-anglais
Traitement de fichiers par lot : permet d’importer simultanément plusieurs fichiers txt pour une détection par lot. L’interface affiche les 20 premiers fichiers, mais tous les fichiers importés seront traités.
Lancer la détection : cliquez sur le bouton « Lancer la détection » ; le système analysera la similarité des textes avec l’algorithme sélectionné.
Consulter les résultats : une fois la détection terminée, consultez le rapport détaillé de similarité, comprenant les résultats de chaque algorithme et des graphiques de visualisation.
Exporter les résultats : cliquez sur le bouton « Exporter les résultats » pour télécharger le rapport de détection et les données brutes regroupés dans un fichier ZIP.

Questions fréquentes

R : Chaque algorithme repose sur un principe de calcul différent : la similarité cosinus se concentre sur la distribution de la fréquence des mots, le coefficient de Jaccard sur le chevauchement lexical, l’algorithme LCS sur les séquences de caractères, le N-gram sur la correspondance de fragments, la distance d’édition sur le coût de modification des caractères, et la similarité sémantique sur la compréhension du sens. Il est recommandé de combiner les résultats de plusieurs algorithmes pour évaluer la similarité.

R : Paramètres de seuil recommandés : plus de 70 % indique une forte similarité, 50-70 % indique une similarité moyenne, 30-50 % indique une faible similarité, moins de 30 % indique une quasi-absence de similarité. Pour la détection académique, il est recommandé de définir 60-70 % ; pour la détection de l’originalité du contenu, 40-50 %.

R : La longueur N-gram influe sur la précision de la détection : une longueur de 2-3 convient à la détection de similarité au niveau des caractères, une longueur de 4-5 convient à la détection de similarité au niveau lexical, et une longueur de 6-8 convient à la détection de similarité au niveau des expressions. Pour les textes chinois, il est recommandé d’utiliser 3-4 ; pour les textes anglais, 4-5.

R : Non. Toutes les détections de similarité de texte sont effectuées localement sur votre appareil ; le contenu textuel et les fichiers ne sont jamais envoyés au serveur, ce qui protège entièrement la confidentialité et la sécurité de vos données.

R : Actuellement, les fichiers texte brut au format TXT sont pris en charge. Il est recommandé de convertir d’abord les documents aux formats Word, PDF, etc. en format TXT, ou de copier directement le contenu textuel dans la zone de saisie pour effectuer la détection.

R : La détection de similarité de texte consomme des ressources de calcul. Recommandations : 1) réduire le nombre d’algorithmes utilisés simultanément ; 2) segmenter les textes longs pour l’analyse ; 3) limiter la longueur du texte à moins de 100 000 caractères par détection ; 4) fermer les autres programmes qui utilisent de la mémoire.

R : Le fichier ZIP exporté contient : 相似度检测报告.txt (rapport détaillé lisible par l’humain) et 检测数据.json (données structurées lisibles par machine). Le rapport comprend le pourcentage de similarité de chaque algorithme, la moyenne, des descriptions détaillées et d’autres informations.