知网查重和万方检测数据库收录学位论文全文数量的对比分析
中国知网学术不端文献检测系统,支持本、硕、博各专业学位论文学术不端行为检测 ! 支持“中国知网”验证真伪!"期刊职称AMLC/SMLC、本科PMLC、知网VIP5.3/TMLC2等软件。
关键词：网络检索重万方学位论文全文数中国知网（CNKI，以下知网）、北京万方数据株式会社（以下简称万方）是中国国内最具影响力的中文学位论文的提供者，其中“中国优秀硕士学位论文全文数据库””和“中国博士学位论文全文数据库”，万方出版有“中国学位论文全文数据库”。随着国内作者的著作权保护意识的提高，双方为了获得更多的市场份额，在两个数据库业者的数据源、著作权保护、产品宣传等方面的竞争越来越激烈。但是，万方在学位论文数据库中大量包含了不提供全文的论文的标题录信息。与提供全文的论文同时出现，没有明确区分其数量。另外，两个数据库业者的学位论文数量都在百万以上，无法通过手动检索进行统计。、详细全文收录数据。因此笔者认为，需要详细统计收录的学位授予单位数、重复量等指标和年度变化情况，分析所收录的学位授予单位的收录稳定性，向学术机构购买学位论文数据库提供考试数据。1.1数据获取时间2011年1月17日～2011年1月19日。因此，关于论文学位数的数字到2011年1月19日为止。
.数据获取方式是在授权使用范围内登录万方服务站平台，选择“学位论文”子库。检索记录了10552977条。其中，博士论文378条、博士论文106530条、硕士论文943269条知识网服务平台注册ki.net进入“中国优秀硕士论文全文数据库新版”和“中国博士学位论文全文数据库新版”，不输入检索词检索所有记录，博士论文145153条，硕士论文11592条。
使用正则表达式提取中文标题、作者姓名、学位授予单位、学位授予年度等4个字段信息。1.3检索结果的整理是利用桌面数据库软件Access整理得到的数据，在年度以学位授予单位分组后，由于手动记录不合格或必要的字段缺失、学位授予单位不是大陆单位等原因造成的无法使用用的记录。作者姓名为周金应中国地质大学（北京）硕士论文《长庆西峰油田合单元复合储藏层建模研究》，万方数据库中“学位年度”的记录值为“1”，论文《基于概念类似度计算的主体映射算法的研究》，作者陈尧，知网络上学位授予单位记载为“源映射实体名”。|＜目标映射实体名称＞等。除万方博士论文1条、博士论文18条、硕士论文33条外，最终取得博士论文377条、博士论文106512条、硕士论文943336条。除了知网博士论文11条、硕士论文13条外，最后获得了博士论文145142条、硕士论文11579条。统一了著作录不规范的名称。和机械科学研究院、机械科学研究总院一样，与机械科学研究总院统一。对有多个名称的单位变更了名称。例如，军医研修学院、解放军总医院统称为中国人民解放军总医院。一部分附属机构、二级学院由上级机关办理，例如中国科学院的多个研究所，与中国科学院统一认定，两地的学校设立、两地的学位授予校也统一认定为同一所学校，像中国石油大学。
在与“985工程”[1]、“211工程”[2]大学数据及大学合并、改名等政策条件相关联而变更的情况下，两个数据库的影响方向一致且增量相同，因此不参与数据整理、比较。2.1在数据库中收录“211项目”的大学和大学的情况，1
2.1.1收录了“211工程”的大学数量。这种类型的大学年收录数的变化如图1～2所示。
将收录的“211项目”的大学和大学进行了比较，发现网络和万方中存在着始终没有收录全文的高中。其中，网络上收录的博士论文单位中缺少宁夏大学、青海大学、西藏大学等西部“211工程”学院。硕士论文的学分中没有中国药科大学。万方所收录的博士论文单位中缺少的东西很多，北京科技大学、北京理工大学、北京林业大学、北京外国语大学、福州大学、哈尔滨工业大学、海南大学、华东理工大学、以及南大学、南京农业大学、青海大学、清华大学、上海财经大学、包括电气、西安交通大学等。西北农林科技大学、西藏大学、云南大学、中国媒体大学、中国药科大学、中央民族大学、中央音乐学院等22所高校。大学有福州大学、哈尔滨工业大学、华东理工大学、南京大学、南京农业大学、上海财经大学、上海外国国语大学、西安交通大学、西北农林科技大学、云南大学、中国药科大学、中央音乐学院等12所学院。2.1.2收录“211工程”学院论文数量。根据表1，
与收录了“211工程”学院学位论文全文实际数量的学院数的变化倾向几乎一致。但是，从2004年到2006年，万方和知网所收录的博、硕士论文数量基本持平，超过了知网数量。通过详细的比较，笔者发现数据库运营商在某个单位的论文收录上存在缺陷。2005年的学位年度，知网收录了大连理工大学的博士论文是103篇，万方收录了271篇。另一个原因是同一篇论文“学位授予年度”栏目的制作内容不同。
以大连理工大学的论文《基于企业价值的财务战略管理研究》为例，知网的学位授予年度为2005年，在知网的全文封面上标注了“论文的完成时期”为“2004年12月”。大连理工大学图书馆的“本校大学院学位论文”数据库的答辩日是“2005.4.19”。这种著作的分歧普遍存在。以
篇博士论文为例，知网收录了“211工程”的大学和学位授予年度是2005年的11230篇博士论文中，与万方博士论文重复的是7238条，这些重复的论文中，万方数据库记载了2002年的3条，2003年的有17条中记载了2004年的459条。年或2007年。严格限制网络和万方中的“学位年度”是在2005年，重复的论文只有754篇。因此，为了减少这种错误所造成的影响，表1中统计的重复数与论文的标题相同，除了作为判断作者名字是否相同的必要条件之外，也可以仅参照知识网中记载的年份进行比较。篇是和知网重复收录的20篇现象。
还可以根据记录方式，重复的数字比实际重复的数字小一些。正如对水的化学式“H2O”的著作一样，知网上记载着“H”。2O”，在万方中记载为“H＜，2＞O”，但是在这种情况下，如果Access中对SQL语句进行比较限定的话，系统会被视为不同的字符串，因此会被判定为不是重复论文。39所“985工程”的大学全部包含在“211工程”的学院里，所以数据库的学位论文库所收录的学校和论文数量中出现的规则与收录“211工程”的大学相似。
.数据库里收录了大学以外的学分。指拥有中国科学院、中共中央党校、煤炭科学研究总院等研究生学位授予权的企业和事业单位。这些部门不参加高考，但是有很好的研究环境。每年可以培养一定数量的博士、硕士课程的研究生。研究领域有特色，研究成果也同样有很高的学术价值。合计2000年以后的非高中单位的收录数，如图3～4所示。
的数量差很大。从11年度的总和来看，知识网中收录的博士的全文数几乎是万方博士全文数的3倍，硕士的数量也超过了2倍。以具体单位为例