Přeskočit na obsah
TextArray
100% lokálně

Podobnost textů

Změřte, jak podobné jsou dva texty — procento podobnosti, Levenshteinova vzdálenost a překryv slov.

Vstup
Druhý text
Výstup
Související nástroje
Porovnání textůZákladní nástroje
Porovnat seznamySeznamy
Frekvence slovZákladní nástroje
Porovnání JSONVývojářské nástroje
Kontrola pangramůnovéZákladní nástroje
Počítadlo slov a znakůZákladní nástroje
Podobnost textů
Vložte dva texty a dostanete zprávu o podobnosti na dvou úrovních. Na úrovni znaků vidíte Levenshteinovu vzdálenost — počet vložení, smazání a záměn jednotlivých znaků potřebných k přeměně jednoho textu na druhý — a z ní odvozené procento podobnosti: 100 % znamená totožné texty, 0 % nic společného. Na úrovni slov zpráva ukazuje Jaccardovu podobnost množin slov a počty unikátních slov, která texty sdílejí nebo má jen jeden z nich.
Každá úroveň odpovídá na jinou otázku. Znaková podobnost se hodí na téměř duplicitní texty: dvě verze odstavce, opravený překlad proti originálu, produktové popisy zkopírované a lehce upravené. Překryv slov se hodí, když se liší pořadí a formulace, ale slovní zásoba by měla sedět — jestli dva články pokrývají stejné téma, nebo kolik toho přepis doopravdy změnil.
Volba „Ignorovat velikost písmen" je výchozí, aby se „Ahoj" a „ahoj" nepočítaly jako rozdíl; zapnutím „Ignorovat interpunkci" porovnáte jen samotná slova. U velmi dlouhých textů platí pojistka: znakové metriky se počítají z prvních 5 000 znaků každého textu (zpráva na to upozorní), protože výpočet editační vzdálenosti roste se součinem obou délek. Slovní metriky vždy používají celé texty.
Oba texty se porovnávají výhradně ve vašem prohlížeči — nic se nenahrává, takže smlouvy, rukopisy i nezveřejněné texty jsou tu v bezpečí.
Časté dotazy
Jak se počítá procento podobnosti?
Je to 1 minus Levenshteinova vzdálenost dělená délkou delšího textu, vyjádřeno v procentech. Totožné texty mají 100 %, texty bez společných znaků 0 %.
Co je Levenshteinova vzdálenost?
Nejmenší počet úprav po jednom znaku — vložení, smazání nebo záměna — kterými se první text změní na druhý. Z „kitten" na „sitting" jsou potřeba 3 úpravy.
Co znamená Jaccardův překryv slov?
Počet unikátních slov společných oběma textům dělený počtem všech unikátních slov dohromady. Nezáleží u něj na pořadí ani opakování — měří sdílenou slovní zásobu, ne formulace.
Existuje limit délky?
Znakové metriky používají prvních 5 000 znaků každého textu — nad tím by výpočet editační vzdálenosti zamrazil kartu prohlížeče a zpráva na zkrácení upozorní. Slovní metriky vždy pracují s celými texty.
Nahrává se můj text někam?
Ne. Oba texty se porovnávají výhradně ve vašem prohlížeči a nikdy neopustí vaše zařízení.