Text Percentage Compare

Værktøjet sammenligner to tekstindgange og returnerer en lighedsprocent, så teams kan kvantificere ligheden mellem udkast, kildeemner eller studerendes indsendelser. Det er designet til indholdsproduktion, software QA og undervisningsworkflows, der kræver objektiv tekstanalyse.
Koncepter: Indtastningerne normaliseres og tokeniseres, hvorefter de evalueres med en valgt metode. Der er tre metoder: Jaccard på token-sæt til at afspejle delt ordforråd, Cosine-lighed på en simpel bag-of-words-vektor til at måle retningsbestemt lighed, og Levenshtein-baseret afstand konverteret til procent for at fange redigeringsnærhed. Normalisering inkluderer små bogstaver og fjernelse af tegnsæt. Uddata er en numerisk procentdel med to decimaler, plus metadata som anvendt metode og token-tællinger.
Hvem får fordel: forfattere, der vurderer parafrasering, redaktører der verificerer indholdsgenbrug, undervisere der markerer potentielle dupliceringer og udviklere der inkorporerer et let sammenligningsskridt i datapipelines. Unik værdi ligger i at tilbyde flere sammenligningsmetoder i et kompakt, let integrerbart værktøj uden tunge NLP-stakke og deterministiske resultater for almindelige sprog, når token-baserede metrikker anvendes.