Szöveghasonlóság
Mérd meg, mennyire hasonlít két szöveg — hasonlóság százalékban, Levenshtein-távolság és szóátfedés.
Kapcsolódó eszközök
Szöveghasonlóság
Illessz be két szöveget, és két szinten kapsz hasonlósági jelentést. Karakterszinten a Levenshtein-távolságot látod — azt, hogy hány karakter beszúrása, törlése vagy cseréje kell az egyik szöveg másikká alakításához —, valamint az ebből számolt hasonlósági százalékot: a 100 % azonos szövegeket jelent, a 0 % semmi közöset. Szószinten a jelentés a két szókészlet Jaccard-hasonlóságát mutatja, továbbá hogy hány egyedi szó közös, és hány fordul elő csak az egyik szövegben.
A két szint különböző kérdésekre válaszol. A karakteres hasonlóság a majdnem-másolatokhoz való: egy bekezdés két változata, a javított fordítás az eredetivel szemben, átemelt és kicsit átírt termékleírások. A szóátfedés akkor jó, ha a sorrend és a megfogalmazás eltér, de a szókincsnek egyeznie kellene — például hogy két cikk ugyanazt a témát fedi-e le, vagy mennyit változtatott valójában egy átírás.
A „Kis- és nagybetűk figyelmen kívül hagyása" alapból be van kapcsolva, így a „Szia" és a „szia" nem számít eltérésnek; az „Írásjelek figyelmen kívül hagyása" bekapcsolásával csak magukat a szavakat hasonlítod össze. Nagyon hosszú szövegeknél biztosíték működik: a karakteralapú mutatók mindkét szöveg első 5 000 karakteréből készülnek (a jelentés jelzi, ha ez történt), mert a távolságszámítás költsége a két hossz szorzatával nő. A szóalapú mutatók mindig a teljes szövegeket használják.
Mindkét szöveg összehasonlítása teljes egészében a böngésződben történik — semmi nem töltődik fel, így a szerződések, kéziratok és kiadatlan szövegek itt biztonságban vannak.