相信同学们看到自己八九十的重复率非常头疼吧首先，我们想要降重，要先搞懂我们要用的查重软件的查重规则是什么，知己知彼才能百战百胜嘛举几个大家用的比较多的软件知网：1.以13个连续字符作为检测条件 2.规定字数不允许超过阈值的百分之五3.在之前比对的资料基础上加入了最新的“联合图书馆的学术上的比较”杜绝抄袭以前学长学姐的论文 4.参考文献不会被查重，但是一定要用正确的格式，若检测不会识别为引用，就可能会被完全标记为红色 维普：一般连续重复13字算重复，若一句话或一个片段有一半以上字数相同，不连续也可能会被查出来PaperPass：句子相似度范围是0.0~1.1绿色句子相似度按照0计算；句子相似度超过40%就会计算重复率；计算公式为：（句子1相似度 句子2相似度 ... 句子N相似度）/N 根据上述的查重规则，给大家几个降重小技巧，轻轻松松降到10%一、扩字 我们可以把本来很简单的几个字进行扩充，比如把“共赢的局面”变成“大家一起合作，最终实现共同进步的目标”，通过把字数扩充可以把重复率降低，就可能查不出来了~二、替换 举例，使用77paper查重以后能够看到哪里重复，具体是哪几个字也可以知道，接下来我们就依照重复的部分进行替换即可，比如把“可以”替换为“能够”之类的三、删减 查重结果里会有很多定义类的或者专业名词，必要的可以留着，一些可有可无的可以删掉，因为定义类的没法去改，改了意思可能就变了，所以最好是删掉，如果删了字数不够了就补点不重复的字如果以上方法难以掌握，重复率居高不下，以上是我作为在77paper降重7年总结出的经验和降重方法，希望可以帮到大家，有什么不懂得地方可以私信我。
如何用word2vec计算两个句子之间的相似度？
一般情况下，word2vec结果只能用来计算词与词之间的相似度，例如用来计算近义词。但将word2vec通过特定算法利用，也可以用来求句子与句子的相似度。有一篇文章From Word Embeddings To Document Distances，就是通过word2vec求句子与句子的相似度。今天我要介绍一种简单而且高效的方法，也是利用word2vec求句子与句子的相似度。
首先选出一个词库，比如说50万个词，然后用word2vec跑出所有词的向量，然后对于每一个句子，构造一个20万维的向量，向量的每一维是该维对应的词和该句子中每一个词的相似度的最大值。这样就构造出了句子的向量了，由于句子不会太长，20万维的向量大部分位置的值为0，因为解是稀疏的，在计算上也没有什么挑战。
