Podobnost textu

Porovnávejte míru podobnosti textů pomocí Levenshteinovy vzdálenosti a kosinové podobnosti.

0 znaků
0 znaků
Zadejte dva texty pro výpočet podobnosti

O nástroji Podobnost textu — Podrobný průvodce

Kategorie: Zpracování textu 100 % lokálně v prohlížeči

Kalkulačka textové podobnosti vyhodnocuje shodu textů pomocí klasického algoritmu Levenshteinovy editační vzdálenosti a měří skóre podobnosti v rozmezí od 0 % do 100 %.

Počítá minimální počet vložení, smazání a nahrazení jednotlivých znaků nutných k převodu jednoho řetězce na druhý a doplňuje je vizuálním zvýrazněním rozdílů. Výpočet probíhá 100% lokálně v paměti prohlížeče.

#text #similarity #levenshtein #compare

Klíčové funkce a možnosti

  • Přesná metrika Levenshteinovy vzdálenosti počítající minimální počet editačních operací a procento podobnosti
  • Vizuální zvýraznění rozdílů mezi znaky odlišující vložení, odebrání a nahrazení
  • Konfigurovatelné možnosti porovnávání včetně rozlišování velikosti písmen a normalizace bílých znaků
  • Výpočet v reálném čase na straně klienta chránící proprietární testovací vektory i soukromý text

Jak nástroj používat

  1. 1

    Vložte řetězec A do zdrojového pole a řetězec B do porovnávacího pole.

  2. 2

    Nastavte přísnost porovnávání přepnutím rozlišování velikosti písmen nebo ořezávání bílých znaků.

  3. 3

    Zobrazte si dynamické skóre podobnosti v procentech a celkový počet potřebných editačních kroků.

Běžné scénáře použití

  • → Ladění prahových hodnot fuzzy vyhledávání a tolerance překlepů ve vyhledávačích
  • → Porovnávání uživatelských titulků nebo krátkých textů za účelem odhalení téměř identických formulací
  • → Ověřování přibližné rovnosti řetězců v automatizovaných integračních a UI testech

Související nástroje

Časté dotazy a ochrana soukromí

Jak se počítá procentuální podobnost?

Běžně se počítá jako (1 - editDistance / max(lengthA, lengthB)) * 100 %. Hodnota 100 % značí naprostou shodu.

Záleží u Levenshteinovy vzdálenosti na pořadí slov?

Ano. Záměna pořadí slov mění pozice znaků, což zvyšuje editační vzdálenost na úrovni znaků.