在论文查重中，相似度的计算是一个关键且复杂的过程，它关乎到学术作品的原创性验证。这一过程通常依赖于先进的文本比对技术和自然语言处理（NLP）算法。

简单来说，论文查重系统会将提交的论文文本进行细致的分词处理，即将连续的文字切割成一个个独立的词汇或短语。这些词汇或短语随后会被转换成一种数学上可操作的向量形式，这种转换过程类似于将文字“翻译”成计算机能够理解的“语言”。

接下来，系统会将转化后的论文向量与庞大的学术文献数据库中的向量进行比对。这里的比对并非简单的逐字逐句对比，而是基于更复杂的相似度计算方法，如余弦相似度或Jaccard相似度。这些方法能够评估两段文本在内容上的接近程度，即使它们的表达方式或句子结构有所不同。

在相似度计算中，系统会考虑多个因素，如词汇的出现频率、词汇间的相对位置以及句子的整体结构等。通过这些因素的综合考量，系统能够给出一个相对准确的相似度评分，这个评分反映了论文中可能存在的重复或抄袭内容的比例。

值得注意的是，现代论文查重系统不仅限于纯文本的比对，还能处理图像、图表等多媒体内容，实现多模态文本的检测。此外，深度学习等先进技术的应用也进一步提升了论文查重的准确性和效率，使得系统能够更好地识别出复杂和隐蔽的抄袭行为。

在查重报告中，相似度通常以百分比的形式呈现，直观地展示了论文中重复或相似内容的比例。这一数据对于评估论文的原创性具有重要意义，也是学术界和教育机构普遍采用的学术诚信检测手段之一。