API के बारे में:
पैपरमिल टेक्स्ट कम्पैरिजन API एक उपकरण है जिसे अकादमिक प्रकाशन में संभावित दुराचार के मामलों का पता लगाने में मदद करने के लिए डिज़ाइन किया गया है। यह प्रस्तुत कागजात की एक डेटाबेस से पहले जमा किए गए कागजात, जिन्हें "पैपरमिल-उत्पाद" के रूप में जाना जाता है, की तुलना करता है ताकि समानताएँ पहचान सके और उपयोगकर्ताओं को प्लैगरिज्म या अन्य प्रकार के दुराचार के संभावित प्रकरणों के बारे में सचेत कर सके।
एक महत्वपूर्ण नोट यह है कि इस API का आउटपुट दुराचार के प्रमाण के रूप में नहीं माना जाना चाहिए। इसके बजाय, यह संभावित मुद्दों को चिह्नित करने के लिए एक सहायक उपकरण के रूप में कार्य करता है जिन्हें आगे की जांच की आवश्यकता होती है।
API लेख मेटाडेटा को इनपुट के रूप में लेता है और लेखों को तीन श्रेणियों में वर्गीकृत करता है: लाल, नारंगी, और हरा। "लाल" वर्गीकरण का मतलब है कि क्वेरी लेख पिछले पैपरमिल-पेपरों के साथ अत्यधिक समान है, जबकि "नारंगी" वर्गीकरण से पता चलता है कि कुछ डिग्री की समानता है। "हरा" वर्गीकरण का मतलब है कि कोई समान पिछले पैपरमिल-पेपर ज्ञात नहीं हैं।
पैपरमिल टेक्स्ट कम्पैरिजन API का उपयोग अकादमिक प्रकाशकों, विश्वविद्यालयों और अन्य संगठनों द्वारा किया जा सकता है ताकि उनके अनुसंधान प्रकाशनों की अखंडता सुनिश्चित हो सके। संभावित दुराचार के प्रकरणों की पहचान करके, API ऐसे मुद्दों को रोकने में मदद कर सकता है जैसे कि प्लैगरिज्म न देख पाना।
यह ध्यान देने योग्य है कि API का उपयोग अकादमिक प्रकाशनों की अखंडता सुनिश्चित करने के लिए व्यापक उपायों में एक उपकरण के रूप में किया जाना चाहिए। जबकि API संभावित मुद्दों का पता लगाने में मदद कर सकता है, यह गहन पीयर समीक्षा और अन्य गुणवत्ता नियंत्रण के रूपों की आवश्यकता को प्रतिस्थापित नहीं कर सकता।
कुल मिलाकर, पैपरमिल टेक्स्ट कम्पैरिजन API अकादमिक प्रकाशकों, शोधकर्ताओं, और अकादमिक समुदाय में अन्य हितधारकों के लिए एक मूल्यवान उपकरण है। संभावित रूप से समस्याग्रस्त प्रस्तुतियों के लिए सूचनाएँ प्रदान करके, API अनुसंधान प्रकाशनों की अखंडता और गुणवत्ता सुनिश्चित कर सकता है।
अकादमिक प्रकाशक: अकादमिक प्रकाशक पैपरमिल टेक्स्ट कम्पैरिजन API का उपयोग प्रस्तुत कागजात और उनके डेटाबेस में पहले से प्रकाशित कार्यों के बीच समानताएँ जांचने के लिए कर सकते हैं। API प्रकाशकों को प्लैगरिज्म और अन्य प्रकार के दुराचार के मामलों की पहचान करने में मदद कर सकता है।
विश्वविद्यालय: विश्वविद्यालय API का उपयोग अपने छात्रों के कागजात और अपने स्वयं के डेटाबेस में पिछले प्रस्तुतियों के बीच समानताएँ जांचने के लिए कर सकते हैं, साथ ही उन बाहरी डेटाबेस में भी जो अकादमिक प्रकाशकों द्वारा उपयोग किए जाते हैं।
अनुसंधान संस्थान: अनुसंधान संस्थान API का उपयोग अनुसंधान प्रस्तावों और पहले से प्रकाशित कार्यों के बीच समानताएँ जांचने के लिए कर सकते हैं। इससे यह सुनिश्चित करने में मदद मिल सकती है कि अनुसंधान प्रस्ताव मौलिक हैं और पहले से प्रकाशित कार्य का केवल पुनरावृत्ति नहीं है।
जर्नल संपादक: जर्नल संपादक API का उपयोग प्रस्तुत कागजात और उनके जर्नल में पहले से प्रकाशित कार्यों के बीच समानताएँ जांचने के लिए कर सकते हैं। इससे यह सुनिश्चित करने में मदद मिल सकती है कि जर्नल केवल मौलिक अनुसंधान प्रकाशित करे।
अनुसंधान निधिकर्ता: अनुसंधान निधिकर्ता API का उपयोग अनुसंधान प्रस्तावों और पहले से प्रकाशित कार्यों के बीच समानताएँ जांचने के लिए कर सकते हैं। इससे यह सुनिश्चित करने में मदद मिल सकती है कि अनुदान के पैसे पहले से प्रकाशित कार्य को दोहराने के लिए उपयोग नहीं किए जा रहे हैं और अनुदान के पैसे मौलिक अनुसंधान के लिए उपयोग हो रहे हैं।
प्रति माह API कॉल सीमाओं के अलावा, वहाँ एक सीमा है:
- बेसिक प्लान पर प्रति दिन 10 अनुरोध।
पेपरमिल टेक्स्ट कंपेरिजन एपीआई एक प्रणाली है जो आपको सूचित करती है जब एक पेपर पिछले पेपरमिल उत्पादों के समान होता है इस प्रकार, इस एपीआई का आउटपुट 'गलती' के प्रमाण के रूप में नहीं माना जाना चाहिए इसके बजाय, आउटपुट वह अलर्ट है जो आपको गड़बड़ी के मामलों को खोजने में मदद कर सकता है
पीटीसी लेख के मेटाडेटा को इनपुट के रूप में लेता है और लेखों को 'लाल', 'नारंगी', और 'हरी' में वर्गीकृत करता है
'लाल' का अर्थ है कि प्रश्न लेख के समान अतीत के पेपरमिल पेपर हैं
'नारंगी' का अर्थ है कि अतीत के पेपरमिल पेपर थोड़े समान हैं
'हरी' का अर्थ है कि कोई भी समान अतीत के पेपरमिल पेपर ज्ञात नहीं हैं
इस विधि का उद्देश्य केवल एक पेपर के पेपरमिल से आने की संभावना को दिखाना है और यह वर्तमान में जैव-चिकित्सा विज्ञान के मामलों तक सीमित है जहां पेपरमिल ने पहले से ही समान पेपरों की बड़ी संख्या उत्पन्न की है
दस्तावेज़ पोस्टिंग - एंडपॉइंट फीचर्स
| ऑब्जेक्ट | विवरण |
|---|---|
रिक्वेस्ट बॉडी |
[आवश्यक] Json |
{"message": [{"id": "retracted_article_id2", "title": "Silencing circANKRD36 protects H9c2 cells against lipopolysaccharide-induced injury via up-regulating miR-138", "abstract": "Background: Myocarditis refers to the inflammatory process that affects the muscle tissue of the heart. Persistent myocardial inflammation promotes myocardial cell damage, which ultimately leads to heart failure or death. Therefore, we aimed to explore the functional impacts of circANKRD36 on myocarditis. Methods: H9c2 cells were pre-treated with lipopolysaccharide (LPS). Viability and apoptosis were evaluated utilizing CCK-8 assay and flow cytometry. Inflammatory cytokines mRNA expression and production were assessed by qRT-PCR and ELISA. Western blot was utilized to distinguish apoptosis and inflammatory related factors expression. Sequentially, the above mentioned parameters were reassessed when overexpressed miR-138. Results: LPS declined viability and as well as raised apoptosis and inflammatory injury in H9c2 cells. Silencing circular RNA ANKRD36 (si-circANKRD36) alleviated apoptosis and inflammatory injury induced by LPS. MiR-138 expression was suppressed by LPS and elevated by si-circANKRD36. Increase of viability and inflammatory injury induced by si-circANKRD36 was alleviated by down-regulation of miR-138. Eventually, si-circANKRD36 inhibited p38MAPK/NF-\u03baB pathway which activated by LPS via up-regulating miR-138. Conclusion: Si-circANKRD36 exerted its anti-apoptosis and anti-inflammatory function under the condition of LPS in H9c2 cells through p38MAPK/NF-\u03baB pathway and up-regulation of miR-138.", "message": {"status": "red", "message": "This article is highly similar to other papers which are believed to have originated from paper-mills. This does not necessarily mean that this paper originated in a paper-mill. We recommend taking special care to check that this paper meets your criteria for consideration before peer-review."}}], "status_code": 200}
curl --location --request POST 'https://zylalabs.com/api/1915/papermill+text+comparison+api/1621/document+posting' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"id": "retracted_article_id2",
"title": "Silencing circANKRD36 protects H9c2 cells against lipopolysaccharide-induced injury via up-regulating miR-138",
"abstract": "Background: Myocarditis refers to the inflammatory process that affects the muscle tissue of the heart. Persistent myocardial inflammation promotes myocardial cell damage, which ultimately leads to heart failure or death. Therefore, we aimed to explore the functional impacts of circANKRD36 on myocarditis. Methods: H9c2 cells were pre-treated with lipopolysaccharide (LPS). Viability and apoptosis were evaluated utilizing CCK-8 assay and flow cytometry. Inflammatory cytokines mRNA expression and production were assessed by qRT-PCR and ELISA. Western blot was utilized to distinguish apoptosis and inflammatory related factors expression. Sequentially, the above mentioned parameters were reassessed when overexpressed miR-138. Results: LPS declined viability and as well as raised apoptosis and inflammatory injury in H9c2 cells. Silencing circular RNA ANKRD36 (si-circANKRD36) alleviated apoptosis and inflammatory injury induced by LPS. MiR-138 expression was suppressed by LPS and elevated by si-circANKRD36. Increase of viability and inflammatory injury induced by si-circANKRD36 was alleviated by down-regulation of miR-138. Eventually, si-circANKRD36 inhibited p38MAPK/NF-κB pathway which activated by LPS via up-regulating miR-138. Conclusion: Si-circANKRD36 exerted its anti-apoptosis and anti-inflammatory function under the condition of LPS in H9c2 cells through p38MAPK/NF-κB pathway and up-regulation of miR-138."
}'
| हेडर | विवरण |
|---|---|
Authorization
|
[आवश्यक] होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें। |
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
API प्रस्तुत लेख की पूर्व के पेपरमिल लेखों के साथ समानता के आधार पर वर्गीकरण लौटाता है वर्गीकरण 'लाल' (उच्च समानता) 'नारंगी' (कुछ समानता) और 'हरा' (कोई ज्ञात समान लेख नहीं) इसके अतिरिक्त यह समान लेखों के बारे में मेटाडेटा प्रदान करता है जिसमें शीर्षक और सारांश शामिल हैं
प्रतिक्रिया डेटा में मुख्य फ़ील्ड में 'id' (समान लेख की पहचानकर्ता), 'title' (समान लेख का शीर्षक) और 'abstract' (समान लेख का सारांश) शामिल हैं ये फ़ील्ड उपयोगकर्ताओं को समानताओं के संदर्भ को समझने में मदद करती हैं
प्रतिक्रिया डेटा एक JSON ऑब्जेक्ट के रूप में संरचित है जिसमें एक 'संदेश' ऐरे है प्रत्येक प्रविष्टि में ऐरे में एक समान लेख का प्रतिनिधित्व करती है जिसमें 'आईडी' 'शीर्षक' और 'सारांश' के लिए फ़ील्ड होते हैं जिससे उपयोगकर्ता आसानी से जानकारी को पार्स और उपयोग कर सकें
एपीआई प्रस्तुत किए गए लेखों की समानता की जानकारी प्रदान करता है जो पहले प्रकाशित कामों से संबंधित है जिसमें समानता की वर्गीकरण और समान लेखों के विवरण शामिल हैं यह उपयोगकर्ताओं को संभावित गलत कार्यों की पहचान करने में मदद करता है
API प्रस्तुत लेखों की तुलना पहले से प्रस्तुत पेपरों के डेटाबेस से करती है जिसे "पेपरमिल-प्रोडक्ट्स" के रूप में जाना जाता है यह डेटाबेस मुख्य रूप से जीव चिकित्सा विज्ञान में कार्यों को शामिल करता है जहां पेपरमिल ने कई समान पेपर तैयार किए हैं
उपयोगकर्ता अपने अनुरोधों को विशेष लेख मेटाडेटा देकर कस्टमाइज़ कर सकते हैं। यह मेटाडेटा उस लेख का शीर्षक, लेखकों और सारांश शामिल कर सकता है जिसकी जांच की जा रही है, जिससे डेटाबेस के खिलाफ अनुकूलित तुलना की अनुमति मिलती है
विशिष्ट उपयोग के मामलों में शैक्षणिक प्रकाशक प्रस्तुत किए गए पत्रों की मौलिकता की जांच करना शामिल है विश्वविद्यालयों द्वारा छात्र प्रस्तुतियों की सत्यापन करना और अनुसंधान निधि देने वालों द्वारा सुनिश्चित करना कि अनुदान प्रस्ताव अद्वितीय हैं ये आवेदन शैक्षणिक कार्य की अखंडता को बनाए रखने में मदद करते हैं
उपयोगकर्ता वर्गीकरण का विश्लेषण करके और समान लेखों के विवरण की समीक्षा करके लौटाए गए डेटा का उपयोग कर सकते हैं 'लाल' वर्गीकरण और अधिक जांच की मांग कर सकता है जबकि 'हरा' मूलत्व को इंगित करता है जो प्रकाशन या फंडिंग के लिए निर्णय लेने में मदद करता है
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,873ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,373ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
16ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
20ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,174ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
16ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
3,139ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
15ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
18ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
8,434ms