文本相似度计算

比较两篇文章的相似程度,用多种算法计算相似度,逐句找出相似的句子并计算重复率。只在浏览器中计算。

--综合相似度
--A 的重复率(相似句子占比)
--相似句子
--字数 A / B

相似的句子

几种相似度算法的区别

  • 编辑距离相似度:把 A 改成 B 最少需要增删改多少个字,改动越少越相似,对字序很敏感。
  • 最长公共子序列:两段文字中按顺序共同出现的字数占比,能识别插入了少量文字的改写。
  • Jaccard 相似度:把文字切成相邻两个字的片段,计算共同片段占全部片段的比例,不受段落顺序影响。
  • 余弦相似度:比较两段文字中各个片段出现频率的分布,适合判断主题和用词是否接近。
  • SimHash:搜索引擎常用的去重指纹,把文章压缩成 64 位的指纹,海明距离不超过 3 通常可以认为内容高度重复。
  • 综合相似度取以上前四种结果的平均值;逐句比对时,句子的相似度按两句中按顺序相同的字数计算(与最长公共子序列相同),重复率是 A 中与 B 某一句相似的句子字数占 A 总字数的比例。

本工具只比较你提供的两段文字,不连接任何数据库,结果不能代替学校或期刊使用的正式查重系统。

逐字查看两段文字的不同之处请用 文本对比,统计关键词请用 关键词密度检测。

文本相似度计算常见问题

文本相似度计算怎么使用?

分别粘贴要检查的文章 A 和对比的文章 B,选择忽略选项和相似句子的标准,上方显示综合相似度、A 的重复率和相似句子数量,表格列出各种算法的结果,下方列出 A 中每个相似句子以及 B 中与之最相似的句子。

怎么判断两篇文章是不是抄袭?

看综合相似度和重复率,再逐句检查相似的句子。

几种算法结果为什么不一样?

它们衡量的角度不同,有的看字序,有的只看用词。

SimHash 距离多少算重复?

64 位指纹的海明距离不超过 3 通常可以认为高度重复。

能代替论文查重吗?

不能,只能比较你提供的两段文字。

文本相似度计算的结果应怎样理解?

只比较两段文字,不连接任何查重数据库;文本很长时会跳过计算量较大的编辑距离和最长公共子序列;同义词改写和语序大幅调整可能识别不出来。

输入内容会保存或发给外部服务吗?

文章只在浏览器中计算,不会上传。

没有结果或操作失败时先检查什么?

相似句子太多或太少时调整相似度标准;需要逐字查看差异时使用文本对比。

相关工具

Markdown 编辑器 · 摩尔斯电码翻译 · 简繁转换 · 文本列处理 · 全部文本工具