字串相似度

字串相似度衡量兩段文字的匹配程度，廣泛應用於拼字檢查、DNA 分析、抄襲偵測和資料除錯等領域。

Levenshtein 距離（編輯距離）衡量將一個字串變為另一個字串所需的最少單字元編輯次數（插入、刪除或替換）。例如 "cat" 和 "bat" 的距離為 1。

Jaro-Winkler 對具有相同前綴的字串給予更高分數，常用於資料庫中的姓名、地址匹配，能有效處理拼寫錯誤。

餘弦相似度將字串拆分為字元 n-gram，轉換為向量後計算兩向量間夾角的餘弦值。適用於較長文字，常用於資訊檢索。

餘弦相似度使用 n-gram 頻率向量並計算夾角，傑卡德相似度則使用 n-gram 集合的交集與聯集之比。傑卡德忽略重複項，餘弦不忽略。

漢明距離統計兩個等長字串在相同位置上不同字元的個數，僅適用於等長字串，常見於糾錯編碼。

Sørensen-Dice 係數基於兩個字串共有的 bigram 數量與總 bigram 數量的比例來衡量相似度，對共有元素賦予更高權重。

短文字（姓名、編碼）有拼寫錯誤時選 Levenshtein 或 Jaro-Winkler；長文字選餘弦相似度；快速集合比較選傑卡德；等長字串選漢明距離。

n-gram 是字串中連續 n 個字元的序列。例如 "hello" 的 bigram 為 "he"、"el"、"ll"、"lo"。n-gram 是許多相似度演算法的基礎。

模糊匹配查找與目標模式近似（而非完全）匹配的字串，常用於搜尋引擎、拼字檢查和資料清洗中處理拼寫錯誤和變體。

不會，所有計算都在您的瀏覽器本地完成，文字不會離開您的裝置，沒有伺服器端處理或資料儲存。

可以，演算法支援任意 Unicode 字元。但由於不同語言的字元結構和分詞方式不同，結果可能會有差異。