Ferramenta de correspondência de texto

A ferramenta calcula uma pontuação de similaridade entre dois textos de entrada usando métricas configuráveis. O público-alvo inclui pesquisadores, editores, engenheiros de QA, docentes e equipes de produto que precisam de métricas de similaridade rápidas e reproduzíveis para avaliar duplicatas, risco de parafrasear ou reutilização de conteúdo. Casos de uso incluem checagem de plagio, comparação de versões, auditorias editoriais e limpeza de dados durante migração de conteúdo. Exemplo: um pesquisador compara dois resumos para quantificar sobreposição; um escritor verifica se o texto revisado continua substancialmente similar ao rascunho original.
Lógica central e processamento: Duas entradas de texto são normalizadas e tokenizadas, depois transformadas em representações numéricas conforme a métrica escolhida (Cosine com TF-IDF, Jaccard ou Levenshtein). Opcionalmente pode-se aplicar tratamento de stop words e reforço de N-gramas. Saídas incluem pontuação de similaridade em [0,1], percentual opcional e dados de alinhamento opcionais que mostram segmentos correspondentes.
Algoritmos e cálculos: Cosine usa vetores TF-IDF; pontuação = dot(v1,v2)/(||v1||*||v2||). Jaccard utiliza sobreposição de tokens; Levenshtein fornece similaridade baseada na distância de edição. O sistema pode retornar os melhores matches ou uma pontuação total agregada, com limiares para filtragem de resultados.
Setor e uso: Projetado para texto UTF-8 em português e outras línguas conforme o tokenizador. Em contextos multilíngues, os resultados dependem da qualidade da tokenização. A ferramenta foca em métricas explícitas de similaridade de texto e não realiza análise semântica profunda; os resultados devem ser interpretados como similaridade métrica.