一、预处理

• 将待测试的文档（txt文件）放在testpaper目录下
• 运行txtBeautiful.py，进行预处理

二、使用词同现网络判别

• 运行calFeature.py，构建词同现网络并且计算出特征
• 运行judge_network.py进行判别

三、使用bow进行判别

• 运行judge_bow.py进行判别即可

四、文件说明

• calFeature.py ： 用于词同现网络构造特征
• judge_bow.py : bow判别
• judge_network.py ： 词同现网络判别
• printCluster.py :打印出层次聚类结果，证明bow距离度量的准确性
• scigenDownLoad.py： 用于爬取scigen论文
• trainBow.py : 计算Bow准确性
• trainKnn.py : 计算词同现网络准确性（KNN判别）
• trainSvm.py : 计算词同现网络准确性（SVM判别）
• txtBeautiful.py: txt预处理
• data : 数据文件
  • false: 伪论文（scigen生成）
  • true : 真论文
  • paper.data : 真论文词同现网络特征
  • scigen.data: 伪论文词同现网络特征
  • test.data : 待测论文词同现网络特征
• testpaper:待测论文存放的文件夹

五、原理、过程 见http://www.hrwhisper.me/scigen-detection/