Ομοιότητα συμβολοσειρών
Συγκρίνετε δύο συμβολοσειρές με αλγορίθμους Levenshtein, Jaro-Winkler, Cosine, Jaccard, Hamming και Dice. Άμεσα αποτελέσματα, 100% ιδιωτικό.
Τι είναι η ομοιότητα συμβολοσειρών;
Η ομοιότητα συμβολοσειρών μετρά πόσο κοντά ταιριάζουν δύο συμβολοσειρές κειμένου. Χρησιμοποιείται στον ορθογραφικό έλεγχο, ανάλυση DNA, ανίχνευση λογοκλοπής και αφαίρεση διπλότυπων δεδομένων.
Τι είναι η απόσταση Levenshtein;
Η απόσταση Levenshtein (απόσταση επεξεργασίας) μετρά τον ελάχιστο αριθμό επεξεργασιών ενός χαρακτήρα — εισαγωγές, διαγραφές ή αντικαταστάσεις — που απαιτούνται για τη μετατροπή μιας συμβολοσειράς σε άλλη. Για παράδειγμα, η απόσταση μεταξύ "cat" και "bat" είναι 1.
Τι είναι η ομοιότητα Jaro-Winkler;
Η ομοιότητα Jaro-Winkler δίνει υψηλότερες βαθμολογίες σε συμβολοσειρές που μοιράζονται κοινό πρόθεμα. Χρησιμοποιείται ευρέως για αντιστοίχιση ονομάτων, διευθύνσεων και εγγραφών σε βάσεις δεδομένων.
Πώς λειτουργεί η ομοιότητα cosinus;
Η ομοιότητα cosinus χωρίζει τις συμβολοσειρές σε n-gram χαρακτήρων, τα μετατρέπει σε διανύσματα και μετρά το συνημίτονο της γωνίας μεταξύ τους. Λειτουργεί καλά για μεγαλύτερα κείμενα.
Ποια είναι η διαφορά μεταξύ ομοιότητας cosinus και Jaccard;
Η ομοιότητα cosinus χρησιμοποιεί διανύσματα συχνοτήτων n-gram και μετρά τη γωνία μεταξύ τους, ενώ η Jaccard συγκρίνει σύνολα n-gram χρησιμοποιώντας τον λόγο τομής προς ένωση. Η Jaccard αγνοεί τα διπλότυπα· η cosinus όχι.
Τι είναι η απόσταση Hamming;
Η απόσταση Hamming μετρά τον αριθμό των θέσεων όπου οι αντίστοιχοι χαρακτήρες διαφέρουν μεταξύ δύο συμβολοσειρών ίσου μήκους. Λειτουργεί μόνο σε συμβολοσειρές ίσου μήκους.
Τι είναι ο συντελεστής Sørensen-Dice;
Ο συντελεστής Sørensen-Dice μετρά την ομοιότητα βάσει του αριθμού των κοινόχρηστων bigram σε σχέση με τα συνολικά bigram και στις δύο συμβολοσειρές. Δίνει μεγαλύτερη βαρύτητα στα κοινά στοιχεία από την Jaccard.
Ποιον αλγόριθμο πρέπει να χρησιμοποιήσω;
Για μικρές συμβολοσειρές με τυπογραφικά λάθη (ονόματα, κωδικοί) χρησιμοποιήστε Levenshtein ή Jaro-Winkler. Για μεγαλύτερα κείμενα, η ομοιότητα cosinus είναι η καλύτερη. Για γρήγορη σύγκριση συνόλων, χρησιμοποιήστε Jaccard.
Τι είναι η ανάλυση n-gram;
Το n-gram είναι μια συνεχής ακολουθία n χαρακτήρων από μια συμβολοσειρά. Για παράδειγμα, τα bigram του "hello" είναι "he", "el", "ll", "lo". Τα n-gram είναι τα δομικά στοιχεία πολλών αλγορίθμων ομοιότητας.
Τι είναι η ασαφής αντιστοίχιση;
Η ασαφής αντιστοίχιση βρίσκει συμβολοσειρές που ταιριάζουν περίπου με ένα μοτίβο, όχι ακριβώς. Χρησιμοποιείται σε μηχανές αναζήτησης, ορθογραφικό έλεγχο και καθαρισμό δεδομένων.
Τα δεδομένα μου αποστέλλονται σε έναν server;
Όχι, όλοι οι υπολογισμοί εκτελούνται τοπικά στον browser σας. Το κείμενό σας δεν φεύγει ποτέ από τη συσκευή σας. Δεν υπάρχει επεξεργασία ή αποθήκευση από πλευρά server.
Μπορώ να συγκρίνω κείμενα σε διαφορετικές γλώσσες;
Ναι, οι αλγόριθμοι λειτουργούν με οποιουσδήποτε χαρακτήρες Unicode. Ωστόσο, τα αποτελέσματα μπορεί να διαφέρουν επειδή διαφορετικές γλώσσες έχουν διαφορετικές δομές χαρακτήρων.
Πώς να χρησιμοποιήσετε το Ομοιότητα συμβολοσειρών
Συγκρίνετε δύο συμβολοσειρές και βαθμολογήστε την ομοιότητά τους με αλγορίθμους όπως Levenshtein, Jaro-Winkler, Jaccard και Dice, όλα τοπικά στον browser σας.
- Επικολλήστε την πρώτη συμβολοσειρά στο πάνω πεδίο εισαγωγής και τη δεύτερη στο κάτω.
- Παρατηρήστε τους βαθμούς ομοιότητας να ενημερώνονται άμεσα όσο επεξεργάζεστε οποιοδήποτε κείμενο, από 0 (καμία αντιστοιχία) έως 1 (πανομοιότυπα).
- Διαβάστε το Levenshtein για τον αριθμό των μονοχαρακτηρικών αλλαγών μεταξύ των συμβολοσειρών και το Jaro-Winkler για συγκρίσεις ευαίσθητες σε πρόθεμα, όπως ονόματα.
- Χρησιμοποιήστε Jaccard ή Dice για κοινά σύνολα χαρακτήρων, Cosine για επικάλυψη τύπου διανύσματος και Hamming μόνο για συμβολοσειρές ίσου μήκους.
Οι αλγόριθμοι διαφωνούν σκόπιμα: συγκρίνετε δύο ή τρεις δίπλα-δίπλα, αφού το Levenshtein μετρά αλλαγές ενώ το Jaccard μετρά κοινά κομμάτια.
Σχετικά εργαλεία
- Ταξινόμηση γραμμών Ταξινομήστε γραμμές κειμένου αλφαβητικά, αριθμητικά ή κατά μήκος. Αφαιρέστε διπλότυπα και αντιστρέψτε τη σειρά.
- Αριθμός σε Λέξεις Μετατρέψτε αριθμούς σε αγγλικές λέξεις, κινεζικά κεφαλαία, ρωμαϊκούς αριθμούς και επιστημονική σημειογραφία.
- Μετατροπέας Κεφαλαίων και Πεζών Μετατρέψτε κείμενο άμεσα μεταξύ κεφαλαίων, πεζών, τίτλου, camelCase, snake_case, kebab-case και άλλων
- Τυχαία Εναλλαγή Κεφαλαίων Μετατρέψτε τυχαία τα γράμματα κειμένου σε κεφαλαία ή πεζά. Δημιουργήστε κείμενο SpongeBob αμέσως.
- Δημιουργία Παλινδρόμου Δημιουργήστε παλίνδρομα από οποιοδήποτε κείμενο προσθέτοντας την ανεστραμμένη συμβολοσειρά. Δωρεάν online εργαλείο που λειτουργεί άμεσα στο πρόγραμμα περιήγησής σας με υποστήριξη πολλαπλών γραμμών.
- Έλεγχος Παλινδρόμων Ελέγξτε άμεσα αν ένα κείμενο, λέξη ή πρόταση είναι παλίνδρομο. Δωρεάν online εργαλείο που λειτουργεί 100% στο πρόγραμμα περιήγησής σας.
- Περιστροφή Συμβολοσειράς Περιστροφή χαρακτήρων αριστερά ή δεξιά με κυκλική μετατόπιση. Δωρεάν online εργαλείο.
- Επανάληψη Κειμένου Επαναλάβετε κείμενο όσες φορές θέλετε με προσαρμοσμένο διαχωριστικό. Δωρεάν, γρήγορο, 100% στον περιηγητή.