Kesamaan Rentetan
Bandingkan dua rentetan dengan algoritma Levenshtein, Jaro-Winkler, Cosine, Jaccard, Hamming dan Dice. Hasil serta-merta, 100% peribadi.
Apakah kesamaan rentetan?
Kesamaan rentetan mengukur sejauh mana dua teks sepadan antara satu sama lain. Digunakan dalam semakan ejaan, analisis DNA, pengesanan plagiarisme dan deduplikasi data.
Apakah jarak Levenshtein?
Jarak Levenshtein (jarak edit) mengukur bilangan minimum edit satu aksara — sisipan, pemadaman atau penggantian — yang diperlukan untuk menukar satu rentetan kepada rentetan lain. Contohnya, jarak antara "cat" dan "bat" ialah 1.
Apakah kesamaan Jaro-Winkler?
Jaro-Winkler memberikan skor lebih tinggi kepada rentetan yang berkongsi awalan yang sama. Ia banyak digunakan untuk memadankan nama, alamat dan rekod dalam pangkalan data.
Bagaimanakah kesamaan Cosine berfungsi?
Kesamaan Cosine memecahkan rentetan kepada n-gram aksara, menukarnya kepada vektor dan mengukur kosinus sudut di antara mereka. Ia berfungsi dengan baik untuk teks yang lebih panjang.
Apakah perbezaan antara kesamaan Cosine dan Jaccard?
Kesamaan Cosine menggunakan vektor kekerapan n-gram dan mengukur sudut di antaranya, manakala Jaccard membandingkan set n-gram menggunakan nisbah persilangan kepada kesatuan. Jaccard mengabaikan duplikat; Cosine tidak.
Apakah jarak Hamming?
Jarak Hamming mengira bilangan kedudukan di mana aksara yang sepadan berbeza antara dua rentetan yang sama panjang. Ia hanya berfungsi pada rentetan yang sama panjang.
Apakah pekali Sørensen-Dice?
Pekali Sørensen-Dice mengukur kesamaan berdasarkan bilangan bigram yang dikongsi berbanding jumlah bigram dalam kedua-dua rentetan. Ia memberikan bobot lebih besar kepada elemen yang sama berbanding Jaccard.
Algoritma mana yang patut saya gunakan?
Untuk rentetan pendek dengan kesilapan taip (nama, kod), gunakan Levenshtein atau Jaro-Winkler. Untuk teks panjang, kesamaan Cosine adalah terbaik. Untuk perbandingan set pantas, gunakan Jaccard.
Apakah analisis n-gram?
N-gram ialah jujukan selanjar n aksara daripada rentetan. Contohnya, bigram bagi "hello" ialah "he", "el", "ll", "lo". N-gram ialah asas banyak algoritma kesamaan.
Apakah padanan fuzzy?
Padanan fuzzy mencari rentetan yang lebih kurang sepadan dengan corak, bukan tepat. Digunakan dalam enjin carian, semakan ejaan dan pembersihan data.
Adakah data saya dihantar ke pelayan?
Tidak, semua pengiraan dilakukan secara tempatan dalam pelayar anda. Teks anda tidak pernah meninggalkan peranti anda. Tiada pemprosesan atau storan di pelayan.
Bolehkah saya membandingkan teks dalam bahasa berbeza?
Ya, algoritma berfungsi dengan sebarang aksara Unicode. Walau bagaimanapun, hasil mungkin berbeza kerana bahasa yang berbeza mempunyai struktur aksara yang berbeza.
Cara Menggunakan Kesamaan Rentetan
Bandingkan dua rentetan dan beri skor persamaannya dengan algoritma seperti Levenshtein, Jaro-Winkler, Jaccard dan Dice, semuanya dikira setempat dalam pelayar anda.
- Tampal rentetan pertama ke dalam kotak masukan atas dan rentetan kedua ke kotak bawah.
- Perhatikan skor kesamaan dikemas kini serta-merta apabila anda menyunting mana-mana teks, daripada 0 (tiada padanan) hingga 1 (serupa).
- Rujuk Levenshtein untuk bilangan suntingan satu aksara antara rentetan dan Jaro-Winkler untuk perbandingan peka awalan seperti nama.
- Gunakan Jaccard atau Dice untuk mengukur set aksara berkongsi, Cosine untuk pertindihan gaya vektor dan Hamming hanya untuk rentetan sama panjang.
Setiap algoritma memang berbeza pandangan: semak dua atau tiga secara bersebelahan kerana Levenshtein mengira suntingan manakala Jaccard mengira bahagian berkongsi.
Alat Berkaitan
- Isih Baris Isih baris teks mengikut abjad, angka atau panjang. Buang pendua dan songsangkan susunan.
- Nombor ke Perkataan Tukar nombor kepada perkataan Inggeris, huruf besar Cina, angka Romawi, dan notasi saintifik serta-merta.
- Penukar Huruf Besar Kecil Tukar teks antara huruf besar, huruf kecil, tajuk, camelCase, snake_case, kebab-case dan lain-lain serta-merta
- Rawak Huruf Besar Kecil Tukar huruf teks secara rawak kepada huruf besar atau kecil. Buat teks gaya SpongeBob serta-merta dalam pelayar.
- Buat Palindrom Buat palindrom daripada sebarang teks dengan menambah rentetan terbalik. Alat dalam talian percuma yang berfungsi serta-merta dalam pelayar anda dengan sokongan berbilang baris.
- Pemeriksa Palindrom Semak serta-merta sama ada teks, kata, atau ayat adalah palindrom. Alat dalam talian percuma yang berjalan 100% dalam pelayar anda.
- Putar Rentetan Putar aksara teks ke kiri atau kanan dengan anjakan membulat. Alat dalam talian percuma.
- Ulang Teks Ulang teks berapa kali pun dengan pemisah tersuai. Percuma, pantas dan 100% berasaskan pelayar.