摘要：基于OpenXML技术设计了学位论文格式规范自动检查系统,能够对采用Microsoft公司docx格式撰写的学位论文进行自动检查,定位违反模板格式规范的区域,并将对应问题写入错误检查报告。经在大连理工大学2015-2017届毕业生中试用,本系统的误报率和漏报率均较小,可以满足实际使用的要求,达到为毕业设计把关的目的。
关键词：学位论文;格式规范;自动检查;
Abstract：A format specification examination system based on OpenXML technology is designed, which can carry out the automatic detection to the docx format document of Microsoft Corporation, finding the parts which do not meet the rules of the template and listing them in the error report. In the trial among graduates of Dalian University of Technology from year 2015 to2017, the system has met the requirements well with a low false positive rate and false negative rate.
Keyword：academic degree's thesis; format specification; automatic detection;
学位论文是学生大学生涯的总结，学位论文质量一定程度上代表了高校的教学水平[1,2]。学位论文若要科学、严谨地表达研究成果，必须要有规范的格式[3,4]。国内各高等院校一般都会提供Word类型论文模版，对论文的各特定区域格式进行严格定义。然而，由于学生的经验相对欠缺，撰写论文时往往与模板格式要求相差较大，并且很难自行发现，因此毕业设计指导教师承担了繁重的论文格式检查任务。这种人工进行格式规范检查的方式工作量大，耗费时间长，可靠性低，若需检查的论文数量较多，则极易疲劳，容易漏检、出错[5,6]。
自1980年以来，我国出台了一系列国家标准，以期对学术论文格式进行规范[7]，各高校据此制定了各自的学位论文格式要求。但是在实际论文撰写过程中，学位论文往往存在各种问题，熊科云、张晓磊、高慧等老师分析列举了学位论文的常见问题，其中一类典型问题就是学位论文格式不符合规范，而问题的原因一方面是学生受到的专业训练不够，撰写疏忽，另一方面也在于指导教师把关不严，未能帮助学生找到并纠正错误，这与教师工作量相对较大密切相关[8,9,10]。陈瑜老师则指出存在论文格式不规范的原因，包括高校对论文格式规范要求过于简单、高校的论文格式严谨性不足等问题[11]。
Microsoft公司的docx格式文档采用XML标准进行组织，内容由<Body>、<Paragraph>等元素表示。本文基于OpenXML SDK[12]，开发了学位论文格式规范的自动检查系统，能够检查Microsoft公司的docx格式论文，通过将论文的每一个特定区域与格式规则进行比对，定位其中所有违反模板格式的部分，并将其写入错误检查报告。
一、系统设计方案
本系统共计包括3个模块，分别为：单元定位模块、格式获取模块和格式比对模块。单元定位模块负责在论文中对封面、目录页、中文摘要、英文摘要、页眉和页脚、正文、表格、图形、参考文献、附录等十个特定区域进行定位，以便后续应用规则进行格式检查。格式获取模块对待测论文所有特定区域的段落属性进行分析和提取。格式比对模块按照论文模板的要求检查待测论文的对应格式，生成错误检查报告。
（一）单元定位模块
单元定位模块的功能为在待测论文中准确找到各个特定区域的位置和长度，具体包括：封面、目录页、中文摘要、英文摘要、页眉和页脚、正文、表格、图形、参考文献、附录等十项，实现对以上所有特定区域的准确分割。下面以图形定位子模块为例，简要介绍单元定位模块的设计方法。
图形定位子模块工作流程如图1所示。图片信息存储在元素<Run>的子元素<Drawing>和<Picture>中，为了统计其中所有包含图形的<Paragraph>元素，需将已定位到的图形所在的<Paragraph>元素进行标记。定位时首先获取文档的<Paragraph>元素列表，查看当前<Paragraph>元素是否被标记，若存在标记，则判断当前<Paragraph>元素是否在列表末尾，若是，完成图形定位；若不是则访问下一个<Paragraph>元素；若不存在标记，检测当前<Paragraph>元素是否包含子元素<Run>，若不包含，则判断当前<Paragraph>元素是否在列表末尾，若是，则完成图形定位；若不是，则访问下一个<Paragraph>元素；若包含<Run>元素，则查看<Run>元素中是否包含子元素<Drawing>或子元素<Picture>，若不包含，则判断当前<Paragraph>元素是否在列表末尾，若是，则完成图形定位；若不是，则访问下一个<Paragraph>元素；若包含，则标记当前<Paragraph>元素，继续判断当前<Paragraph>元素是否在列表末尾，若是，则完成图形定位；若不是，则访问下一个<Paragraph>元素。每当检测到当前<Paragraph>元素为列表末尾，则表示完成当前文档的图形定位，图形的集合即为被标记的<Paragraph>元素集合。
图1 图形定位子模块工作流程
（二）格式获取模块
格式获取模块负责提取论文所有特定区域的格式特征，该模块中设计有针对学位论文每个特定区域的属性提取算法和配置文件。格式获取模块访问各特定区域的属性配置文件，获取配置信息并调用对应的格式获取算法，以此得到待测论文各特定区域的格式特征。格式获取模块由段落属性子模块与特殊格式属性子模块组成，下面以段落属性子模块为例来介绍本模块的设计方法。
论文的所有特定区域均包含段落属性特征，该特征由段落属性子模块进行提取。OpenXML中，段落属性包括字号、字体和段间距等，它们的提取过程相似，下面以字体样式提取流程为例进行介绍，如图2所示。首先需依次访问每个<Paragraph>元素，根据样式层次结构获取字体样式，分析得到中文和英文字体；接下来判断该段文字的中英文形态，如果全部为英文字母，则仅保存英文字体样式，丢弃中文字体样式；如果全部为汉字，则仅保存中文字体样式，丢弃英文字体样式；如果既有英文字母又有汉字，则同时保持获取到的中文和英文字体样式。之后，将保存的字体样式传送给后续的格式比对模块。
（三）格式比对模块
格式比对模块负责将待测论文的格式与模板中定义的规则进行比对，判断二者是否相同，相同则说明待测论文该部分格式撰写无误，否则将格式错误写入错误检查报告，该模块结构如图3所示。该模块由四个部分组成，分别为：规则配置文件、规则库、规则比对子模块和报告生成子模块。
(1）规则配置文件和规则库
论文格式的所有规则都集中体现在规则库中，特定论文模板的规则是规则库的一个子集，即通过一套规则配置方案，存储到规则配置文件中，这是分析待测论文格式是否正确的依据。规则配置文件的内容涵盖论文的十个特定区域，依次为封面、目录页、中文摘要、英文摘要、页眉和页脚、正文、表格、图形、参考文献、附录。系统工作时，首先单元定位模块分析确定当前检查的论文元素从属于论文的哪个特定区域，然后判断是否存在该特定区域对应的规则配置文件，如存在，则进入规则比对子模块进行后续分析；如不存在，则说明对当前论文元素没有格式要求，直接跳过当前论文元素，开始下一论文元素的检查。
(2）规则比对子模块
规则对比子模块的功能是将格式获取模块提供的论文格式特征，与规则配置文件中的全部规则逐条进行对比，如特征与规则一致，则说明该部分论文格式设置正确，如不一致则格式错误，那么根据单元定位模块回溯得到论文的出错位置，并将结果提交至报告生成子模块。
图2 字体样式提取流程
图3 格式比对模块结构
(3）报告生成子模块
首先需要设置检查报告的存放位置；接下来获取规则比对子模块提供的错误信息，定位相关错误信息在待测论文中的位置；最后，将检查到的错误信息进行编号，连同错误说明、错误位置一起保存到错误检查报告中。
二、实施情况
目前系统已在大连理工大学校内上线运行，针对本校毕业学生进行检测，在2018年5月至6月的集中检测期间，已有10个学院累计658人注册，总检测5870人次，平均每人检测8.9次，用户评分平均4.83（满分5.0）。用户第1次检测的平均格式错误为193条，通过修改之后第8次检测平均错误为65条，错误数目有很大幅度下降。对于多次使用本系统的用户，最后一次检测的错误数目小于等于50条的占比为90%，说明绝大多数用户通过本系统有效的发现并修正了约75%的格式错误。
三、结语
本文采用OpenXML SDK技术，对Microsoft公司docx格式的学位论文进行检查，通过单元定位、格式获取、格式比对等步骤，能够对学位论文的封面、目录页、中文摘要、英文摘要、页眉和页脚、正文、表格、图形、参考文献、附录等十个特定区域的格式进行检查，找到其中不符合论文模板的格式问题并写入测试报告。经实际测试，本系统能够较好工作，大幅节省了指导教师的论文指导工作量，获得师生好评。本系统仅对格式问题进行了检查，暂未实现对不符合模板的论文格式进行自动修正，可作为将来进一步研究的方向。
参考文献
[1]饶家辉,王宏娟,周虚.推进本科毕业论文模式改革探析[J]实验室研究与探索, 2012, 31 (3) :160-162+213.
[2]武卫莉提高大学生毕业设计(论文)的教学质量研究[J].实验技术与管理, 2012 29 (2) :153-155.
[3]张乐平,温馨,陈小平.全日制专业硕士学位论文的形式与标准[J]学位与研究生教育, 2014, 31 (5):15-19.
[4]王颖，徐雷研究生学位论文质量的管、评、控治理模式研究一- 以对外经济贸易大学实践做法为例[J]对外经济贸易大学学报, 2012, 26 (4) :113-120.
[5]乔军,孟庆玲.提高本科毕业论文质量的几点思考[J].教育探索, 2011, 31 (9) :46-47.
[6]吴益锋,张淑敏，田夏.上海交通大学提升本科毕业设计(论文)质量的改革与实践[J]实验技术与管理, 2014, 31 (7):193-195+205.
[7]姚世斌,彭宇霞,潘艳等基于学术规范的本科毕业论文质量评价体系建设[J].高教探索, 2016, 32 (S) :98-99.
[8]能科云.本科学位论文存在的问题及处理对策[J]科技广场, 2011, 24 (9) :45-50.
[9]张晓磊本科学位论文存在的若干问题及其对策[J]长春理工大学学报, 2012, 25 (10):12-18.
[10]高慧,涂道伍.本科毕业论文存在的问题与对策[J] .黑龙江教育, 2010. 65 (7) :65-71.
[11]陈瑜.浅议我国高校研究生学位论文格式规范[J]中国研究生, 2015, 14 (007) :48-51.
[12]陈卓基于OpenXML的Web表单引擎模型[J]数字技术与应用, 2015, 33 (4) :98-99.
[13]田桂香,牛健,武敬亮,刘晓影,齐晓辉,韩阳阳,高志芹地方院校“三全、三化、一平台” 毕业论文模式探索与实践[J].教育现代化, 2017, 4 (45):232-233+249.
