Merkkijonon samankaltaisuus
Vertaa kahta merkkijonoa algoritmeilla Levenshtein, Jaro-Winkler, Kosini, Jaccard, Hamming ja Dice. Välittömät tulokset, 100% yksityinen.
Mikä on merkkijonon samankaltaisuus?
Merkkijonon samankaltaisuus mittaa, kuinka lähellä kaksi tekstijonoa toisiaan ovat. Sitä käytetään oikeinkirjoituksen tarkistuksessa, DNA-analyysissä, plagiointin tunnistuksessa ja tietojen deduplikaatiossa.
Mikä on Levenshtein-etäisyys?
Levenshtein-etäisyys (muokkausetäisyys) mittaa pienimmän yksittäisten merkkien muokkausten — lisäysten, poistojen tai korvausten — määrän, joka tarvitaan yhden merkkijonon muuttamiseksi toiseksi. Esimerkiksi etäisyys "cat" ja "bat" välillä on 1.
Mikä on Jaro-Winkler-samankaltaisuus?
Jaro-Winkler antaa korkeammat pisteet merkkijonoille, joilla on yhteinen etuliite. Sitä käytetään laajasti nimien, osoitteiden ja tietueiden täsmäytykseen tietokannoissa.
Miten kosini-samankaltaisuus toimii?
Kosini-samankaltaisuus jakaa merkkijonot merkki-n-grammeiksi, muuntaa ne vektoreiksi ja mittaa niiden välisen kulman kosinin. Toimii hyvin pidemmillä teksteillä.
Mikä on ero kosini- ja Jaccard-samankaltaisuuden välillä?
Kosini-samankaltaisuus käyttää n-grammivektoreita ja mittaa kulman niiden välillä, kun taas Jaccard vertaa n-grammijoukkoja leikkauksen ja unionin suhteella. Jaccard jättää huomiotta kaksoiskappaleet; kosini ei.
Mikä on Hamming-etäisyys?
Hamming-etäisyys laskee niiden kohtien määrän, joissa vastaavat merkit eroavat toisistaan kahden yhtä pitkän merkkijonon välillä. Toimii vain yhtä pitkillä merkkijonoilla.
Mikä on Sørensen-Dice-kerroin?
Sørensen-Dice-kerroin mittaa samankaltaisuutta yhteisten bigrammien määrän suhteessa molempien merkkijonojen bigrammien kokonaismäärään. Se antaa enemmän painoa yhteisille elementeille kuin Jaccard.
Mitä algoritmia minun pitäisi käyttää?
Lyhyille merkkijonoille, joissa on kirjoitusvirheitä (nimet, koodit), käytä Levenshteiniä tai Jaro-Winkleriä. Pitkille teksteille kosini-samankaltaisuus on paras. Nopeaan joukkovertailuun käytä Jaccardia.
Mikä on n-gram-analyysi?
N-grammi on n merkin yhtäjaksoinen jono merkkijonosta. Esimerkiksi "hello":n bigrammit ovat "he", "el", "ll", "lo". N-grammit ovat monien samankaltaisuusalgoritmien perusrakennuspalasia.
Mikä on sumea haku?
Sumea haku löytää merkkijonoja, jotka vastaavat likimääräisesti mallia, eivät tarkalleen. Sitä käytetään hakukoneissa, oikeinkirjoituksen tarkistuksessa ja tietojen puhdistuksessa.
Lähetetäänkö tietoni palvelimelle?
Ei, kaikki laskelmat suoritetaan paikallisesti selaimessasi. Tekstisi ei koskaan poistu laitteestasi. Palvelinpuolen käsittelyä tai tietojen tallennusta ei ole.
Voinko verrata eri kielillä kirjoitettuja tekstejä?
Kyllä, algoritmit toimivat millä tahansa Unicode-merkeillä. Tulokset voivat kuitenkin vaihdella, koska eri kielillä on erilaiset merkkirakenteet.
Näin käytät työkalua Merkkijonon samankaltaisuus
Vertaa kahta merkkijonoa ja arvioi niiden samankaltaisuus algoritmeilla kuten Levenshtein, Jaro-Winkler, Jaccard ja Dice – kaikki lasketaan paikallisesti selaimessasi.
- Liitä ensimmäinen merkkijono ylempään syötekenttään ja toinen alempana olevaan.
- Katso, kuinka samankaltaisuuspisteet päivittyvät heti kumman tahansa tekstin muokkaamisen yhteydessä, asteikolla 0 (ei osumia) – 1 (identtiset).
- Lue Levenshtein merkkijonojen välisten yksittäismerkkimuokkausten määräksi ja Jaro-Winkler etuliitteeseen reagoiviin vertailuihin, kuten nimiin.
- Käytä Jaccardia tai Diceä yhteisten merkkijoukkojen mittaamiseen, Cosinea vektorimaista päällekkäisyyttä varten ja Hammingia vain yhtä pitkille merkkijonoille.
Algoritmit arvioivat tahallaan eri tavalla: vertaa kahta tai kolmea rinnakkain, sillä Levenshtein laskee muokkaukset ja Jaccard yhteiset palaset.
Aiheeseen liittyvät työkalut
- Lajittele Rivit Lajittele tekstirivit aakkosjärjestykseen, numerojärjestykseen tai pituuden mukaan. Poista kaksoiskappaleet ja käännä järjestys.
- Luku Sanoiksi Muunna luvut englanninkielisiksi sanoiksi, kiinalaisiksi isoiksi kirjaimiksi, roomalaisiksi numeroiksi ja tieteelliseksi merkintätavaksi.
- Isojen ja Pienten Kirjainten Muunnin Muunna teksti välittömästi isojen, pienten kirjainten, otsikon, camelCasen, snake_casen, kebab-casen ja muiden välillä
- Satunnaiset Isot Pienet Kirjaimet Muunna tekstikirjaimet satunnaisesti isoiksi tai pieniksi kirjaimiksi. Luo Paavo Pesusieni -teksti heti selaimessasi.
- Luo Palindromi Luo palindromi mistä tahansa tekstistä lisäämällä käännetty merkkijono. Ilmainen online-työkalu, joka toimii heti selaimessasi monirivituen kanssa.
- Palindromintarkistus Tarkista heti, onko teksti, sana tai lause palindromi. Ilmainen verkkotyökalu, joka toimii 100% selaimessasi.
- Merkkijonon Kierto Kierrä tekstimerkkejä vasemmalle tai oikealle pyöreällä siirrolla. Ilmainen online-työkalu.
- Toista Teksti Toista tekstiä haluamasi määrä kertoja mukautetulla erottimella. Ilmainen, nopea ja 100% selainpohjainen.