PAN13_Text_Alignment_原创性检测_文本复用识别训练语料

数据集概述

本数据集为PAN13项目的文本对齐原创性检测训练语料，包含成对文档数据，其中一方可能复用另一方文本，且复用文本经自动混淆处理以隐藏复用痕迹。数据集用于支持自然语言处理领域的文本原创性检测研究，仅含一个压缩文件。

文件详解

• 文件名称：pan13-text-alignment-test-and-training.zip
• 文件格式：ZIP
• 字段映射介绍：压缩包内包含训练语料数据，核心内容为存在文本复用关系的文档对，复用文本带有自动混淆处理特征；未提供具体内部文件及字段的详细映射信息。

适用场景

• 文本原创性检测模型训练：用于训练识别文本复用及自动混淆痕迹的算法模型。
• 自然语言处理文本对齐研究：分析成对文档间的文本复用关系与对齐模式。
• 文本混淆技术效果评估：探究不同自动混淆方法对文本复用检测难度的影响。
• 学术不端检测技术研发：为学术论文、内容创作等场景的原创性检测工具提供训练数据支持。