DuplicateChecking

基于 Simhash 的论文查重系统

项目背景

本项目为论文内查系统，即需要自行准备论文库

远古时期的本科毕设项目，时至今日看到偶尔有人 star

全靠回忆写点 readme，希望尽可能有一些帮助

当时导师需求为：

一些学生抄袭往届学长学姐论文（特别是同专业的）

由于特殊原因，本校论文不会及时纳入知网查重库（但导师手里有，原因不详）

故开发此项目

部署

cd D:\duplicateChecking\Flask //进入项目目录
venv\Scripts\activate //激活虚拟环境
python start.py //启动项目

• 项目运行所需的包已经安装在虚拟环境中，理论上可直接运行
• 如需直接部署（不建议）请自行根据提示安装
• 项目基于 MongoDB，确保服务已运行

启动

1. 在 start.py 中设置

app.run(host='127.0.0.1', port=5000, debug=True) //设置地址并开启调试模式

2. 网页进入 127.0.0.1:5000 //上述设置地址

使用

顺序操作即可

• 文件上传没有可视化界面可能造成困扰：待上传的文件选中完毕后，点击上传即可
• 论文库上传后存放在 /docs/lib
• 待查重论文上传后存放在 /docs/check
• 论文库的任何改动，都需要重新 点击开始初始化
• 点击查看结果 只显示最后一篇的查询结果（做了点UI）
• 可以一次查询多篇论文，结果以 txt 形式保存在 /result 中

其他说明

项目核心为三个模块，，dupl_ckg，flk_mdb, web_mod

• dupl_ckg 为查重模块，即 Simhash 算法
• flk_mdb 为轻量化 MongoDB ORM 库
• web_mod 为网页操作模块，如上传等
• /app/routes.py 为路由规则
• /app/templates 包含网页模板

本项目缺陷明显，bug 众多，可改进空间巨大

当时多少有点应付毕业的心态，能跑通一次截个图就行的那种，在导师督促下紧急修改过一些bug，杯水车薪

但项目本身有一定实用意义（服务导师，揭穿部分同学的不法行为）

此处向曾经因为没有 readme 产生困扰的同学们诚挚道歉（虽然写了好像也没啥用）