Puntuación de Similitud de Texto

Text Similarity Score calcula la similitud entre dos cadenas de texto utilizando múltiples algoritmos de distancia y similitud, incluyendo Levenshtein edit distance, Jaccard index, cosine similarity en character n-grams y Jaro-Winkler distance. Cada algoritmo tiene diferentes fortalezas: Levenshtein captura el costo de edición a nivel de carácter, Jaccard mide la superposición de conjuntos de tokens, cosine similarity maneja bien las variaciones de frecuencia de palabras, y Jaro-Winkler está optimizado para cadenas cortas y nombres. Los resultados se normalizan a una puntuación de similitud del 0-100% junto con el valor de la raw metric, lo que le brinda una imagen completa de la cercanía textual desde múltiples perspectivas.

Explorar todas las herramientas de Desarrollador

Cómo Usar

Pegue el primer texto en el campo de entrada izquierdo y el segundo texto en el campo de entrada derecho. Seleccione el similarity algorithm que desea aplicar del menú desplegable de algoritmos, o ejecute todos los algoritmos simultáneamente para comparar sus resultados. Haga clic en Calculate para ver el porcentaje de similitud y el valor de la raw metric para cada algoritmo seleccionado. Compare los resultados entre algoritmos para comprender cuál se adapta mejor a su caso de uso específico, por ejemplo, Levenshtein para escenarios de spell-check y cosine para comparación de documentos.

Casos de Uso Comunes

• •Detectar posible plagio en trabajos académicos calculando puntuaciones de similitud entre ensayos de estudiantes y documentos de referencia
• •Encontrar descripciones de productos, publicaciones de blog o artículos de bases de conocimiento casi duplicados en sistemas de content management
• •Medir la calidad de la traducción puntuando qué tan cerca coincide un texto traducido automáticamente con una traducción de referencia profesional
• •Evaluar y ajustar los umbrales de fuzzy matching en sistemas de search autocomplete, record deduplication y entity resolution
• •Comparar configuration files o environment variable sets entre entornos de deployment para identificar divergencias inesperadas