plagiarism_detection:窃检测器用于检查文本文件并执行二进制分类; 将文件标记为抄袭还是不抄袭取决于文本文件与提供的源文本的相似程度 源码

抄袭项目,机器学习部署 该存储库包含用于使用AWS SageMaker部署a窃检测器的代码和相关文件。 项目概况 在这个项目中,您将负责构建a窃检测器,该检测器将检查文本文件并执行二进制分类。 根据该文本文件与提供的源文本的相似程度,将该文件标记为抄袭或不抄袭。 侦查窃是一个活跃的研究领域。 这项任务很艰巨,解释的答案和原始作品之间的差异通常并不那么明显。 该项目将分为三个主要笔记本: 笔记本1:数据探索 加载of窃文本数据的语料库。 探索现有的数据功能和数据分布。 这第一台笔记本是不是在你的最终项目要求提交的。 笔记本2:功能工程 清理并预处理文本数据。 定义用于比较答案文本和源文本的相似性的特征,并提取相似性特征。 通过分析不同功能之间的相关性来选择“良好”功能。 创建包含用于训练/测试数据点的相关功能和类标签的训练/测试.csv文件。 笔记本3:在SageMaker