在论文查重中，常用的数据分析方法包括文本相似度计算、特征提取与选择、机器学习算法应用等。文本相似度计算是通过比较文本之间的相似程度来判断是否存在抄袭，常用的算法有余弦相似度、编辑距离等。特征提取与选择则是从文本中提取关键特征，用于建立模型进行判断。机器学习算法应用包括基于监督学习的分类算法，如支持向量机、随机森林等。这些方法结合使用可以提高论文查重的准确性和效率。

另外，数据挖掘技术也在论文查重中得到了广泛应用。数据挖掘可以帮助挖掘大量文本数据中的模式和规律，从而辅助判断文本之间的相似性。常用的数据挖掘技术包括关联规则挖掘、聚类分析等。通过数据挖掘技术，可以更加深入地分析文本数据，发现其中的潜在信息，为论文查重提供更多的参考依据。综上所述，论文查重中的数据分析与应用方法多种多样，可以根据具体情况选择合适的方法进行应用。