数据集概述
该数据集包含欧洲大学跨语言文本复用检测实验结果，基于学术论文《Cross-language plagiarism detection: a case study of European languages academic works》构建，含OATD许可文档、开源来源及检测报告，文档与来源名称以URL的MD5哈希表示。
文件详解
数据集包含3个压缩文件，存储于t726dmtx24-2/目录下：
- t726dmtx24-2/reports.zip：ZIP格式，含JSON检测报告，记录文档URL、复用案例的偏移量、长度及首尾标记词
- t726dmtx24-2/analyzed_documents.zip：ZIP格式，含OATD许可的分析文档，名称为文档URL的MD5哈希
- t726dmtx24-2/sources.zip：ZIP格式，含开源来源文档，名称为来源URL的MD5哈希
适用场景
- 跨语言文本复用研究：验证不同欧洲语言学术文本的复用检测算法效果
- 学术诚信分析：探索多语言环境下学术论文的文本复用模式与特征
- 自然语言处理应用：为跨语言抄袭检测模型的训练或评估提供实证数据
- 学术资源管理：分析开放获取学术文档的来源分布及复用关系
