論文の盗作を検知するシステム

最近，研究論文の捏造や盗作が報告されることが多くなりましたね(たとえば最近ではは2ちゃんねるのこの記事)．生命科学のようにリアルタイムの国際競争が激しい分野では，つい良心が麻痺してしまうのでしょうか．上記記事で言及されているテキスト大学のdejavuというシステムは，世界最大の医学文献抄録のデータベースMedlineのデータを用いて，論文同士の類似性を計算し，盗作の可能性がある論文とその引用元のリストを公開しています．7万件にもおよぶリストは，もちろん，すべては盗作なのではなく，あくまでもテキスト間の類似性が高いと判断されたものです．例えば，引用元と引用先で同一の著者を含んでいるものもあるし，ある論文の発展形として次の論文が執筆されることもあり得ます．リストでは，論文タイトルや著者名，類似度，同一著者を含むかのフラグなどのほかに，Medlineで使われているIDが付与されていますので，Medlineを使って両者の論文を比べてみることができます．いくつか見てみましたが，かなり微妙にみえるものもありますね．このdejavuシステム，同じくテキサス大学のeTBLASTというシステムをベースに作られています．eTBLASTは，単語ではなく論文中のフレーズ（単語列）を使って検索を行うシステムですが，dejavuは，これを論文の盗作の検知に利用しています．

別に盗用をしなくとも :-) eTBLASTに自分の論文の一部を入れると，似たような論文を教えてくれるわけで，これはこれで役に立ちそうですね (医学系の論文が対象ですが）．また，英語の論文を書くとき，言いたいことを英語でどのように表現するか，という用途にも使えそうです．

Medlineでは，1800万件を超える論文抄録が無料で公開されています．dejavuの結果も同様です．このような姿勢は非常に素晴らしいと思います．