论文查重系统判断重复的过程是一个复杂的技术问题。普通人理解这个计算过程，可以把它看成几个步骤。

首先，系统需要把论文变成它能看懂的东西。论文是人写的文字。但计算机不认识文字。计算机只认识数字。所以第一步是转化。系统会把你的论文切分成小块。这个小块可以是几个字，也可以是一句话。这个小块有一个名字，叫“文本单元”。怎么切分，不同系统有不同的方法。有的按词切分，有的按固定字数切分。

切分好以后，系统要给每个文本单元一个“身份证”。这个身份证就是数字。这个过程可以想象成查字典。系统里有一本非常大的字典。这本字典里给世界上几乎所有的词或字组合都编了号。你的论文里的每一小块，去这本大字典里找。找到了，就用那个数字编号来代替原来的文字。这样，一整篇论文就从汉字或英文，变成了一长串数字。这串数字就是计算机能处理的“指纹”。

接下来，系统要拿着这篇论文的“数字指纹”去和数据库里的文章对比。数据库里有什么呢？数据库里存放了以前所有学生写过的论文，还有期刊、书籍、网页上的文章。这些文章也都已经变成了数字指纹。数据库非常非常大，可能有几亿甚至几十亿篇文章。

直接比较两篇完整的论文数字串太慢了。系统会用更聪明的方法。它会从你的论文数字串里，提取一些关键的片段。这些片段就像你指纹里的某些特征点。比如，它可能每隔十个数字取一个片段。也可能找一些出现位置特殊的数字串。这些提取出来的短数字串，叫做“特征值”或“哈希值”。

现在，系统有了你论文的许多个特征值。它要做的事情，就是去数据库里找。看看有没有其他文章，也包含了和你一样的特征值。这个查找过程非常快。因为数据库里的文章，它们的特征值都被预先整理好了，像图书馆的索引卡片一样。系统不用一页一页翻书，它直接查索引。

系统会找到一个列表。列表里是所有和你的论文有相同特征值的文章。然后，系统会进行更仔细的对比。它要把你的论文和列表里的这些文章，进行“局部对齐”。这就像把两段线放在一起，看看有多少长度是重合的。系统会计算一个比例。这个比例就是重复的字数占你文章总字数的百分比。

这里有一个关键问题：怎么才算重复？并不是要一模一样才叫重复。系统会考虑一种叫做“连续重复”的情况。比如，你连续十三个字和另一篇文章一模一样，系统很可能就判定这一句是重复的。这个数字，有的系统是十三个字，有的可能是十个字，各家规定不一样。除了连续重复，还有“语义重复”。这是更高级的技术。系统会尝试理解你这句话的意思。如果你的话和另一篇文章的话意思一样，只是换了几个近义词，改了语序，系统也可能判断为重复。这需要更复杂的计算模型。

计算比例的时候，系统会一段一段地算。它会看你的论文的每一章，每一节，和别的文章重复了多少。最后，它会给一个总的重复比例。这个比例就是我们常说的“重复率”。比如重复率是百分之二十，意思就是你文章里百分之二十的内容，在别的文章里出现过。

系统在计算时，会排除一些它认为不需要查的部分。比如论文的标题、目录、参考文献列表。这些部分本身就会和别的文章重复，比如大家都引用同一篇经典文献。系统会把这些部分先去掉，然后再计算正文的重复率。这样更公平。

不同的查重系统，计算过程细节不一样。它们用的“字典”可能不同。切分文本单元的方法可能不同。提取特征值的方法也可能不同。判断重复的规则，比如连续多少个字算重复，这个阈值也不同。数据库的大小更是天差地别。所以，同一篇论文在不同的系统里查，重复率结果经常不一样。这很正常。

查重系统的工作，全部由计算机自动完成。整个过程可能只需要几分钟。但背后是巨大的数据库和复杂的计算程序。它的目的是帮助你发现论文中哪些地方可能引用了别人的观点而没有注明。它只是一个工具。最终判断论文是否合规，还需要人来根据报告具体分析。理解这个简单的计算过程，能让我们更合理地看待查重报告，知道那个数字是怎么来的。