Tekst-sammenligningsværktøj

Værktøjet sammenligner to tekstindgange for at kvantificere lighed og markere overlap. Det henvender sig til forfattere, redaktører, studerende og forskere der har brug for objektive målinger af tekstlig lighed.
Konceptuelt tokeniseres og normaliseres teksterne, de vektoriseres via TF-IDF og der beregnes flere metoder: kosinus-lighed, Jaccard-lighed på n-grammer og Levenshtein-afstand. Den endelige score kombinerer disse metoder med justerbare vægte, og et diff-digest fremhæver overensstemmende sætninger og afvigende afsnit.
Udfaldet inkluderer en ligheds-score, den anvendte metrikk, en liste over overlappende sætninger og et per-sætning diff. Anvendelsesområder omfatter plagiatkontrol, revisionssammenligning og indholdsbjæling over versioner. Den unikke værdi ligger i den multi-metriske tilgang, per-block analyse af store dokumenter, sprogunderstøttelse og privatlivsindstillinger der som standard ikke lagrer input.