Textlikhetsverktyg

Verktyget beräknar en likhetspoäng mellan två inmatade texter med konfigurerbara metriker. Målgrupp är forskare, redaktörer, QA-ingenjörer, lärare och produktteam som behöver snabba, reproducerbara likhetsmått för att bedöma dupliceringar, parafrasrisk eller innehållsåteranvändning. Tillämpningar inkluderar plagieringstest, versionsjämförelse, redaktionella granskningar och datarensning vid innehålls migration. Exempel: en forskare jämför två abstrakt för att kvantifiera överlappning; en författare kontrollerar att reviderad text väsentligt liknar originalet.
Kärnlogik och behandling: Två textinmatningar normaliseras och tokeniseras, sedan omvandlas till numeriska representationer enligt vald metrisk (Kosinus med TF-IDF, Jaccard eller Levenshtein). Valfritt kan stoppordshantering och N-gram-boosting tillämpas. Utgångar inkluderar likhetspoäng i [0,1], eventuell procentandel och valfria uttouline-detaljer som visar överensstämmande segment.
Algoritmer och beräkningar: Kosinus använder TF-IDF-vektorer; poäng = dot(v1,v2)/(||v1||*||v2||). Jaccard använder token-överlapp; Levenshtein ger likhet baserad på redigeringsavstånd. Systemet kan rapportera toppträffar eller en samlad poäng, med trösklar för filtrering.
Bransch och användning: Designad för UTF-8-text på svenska och andra språk beroende på tokenizer. I flerspråkiga sammanhang beror resultaten på tokeniseringens kvalitet. Verktyget är deterministiskt per körning och skalbart för långa texter med chunking vid behov.
Verktyget fokuserar på explicita textlikhetsmått och gör ingen djup semantisk analys; resultaten bör tolkas som metrisk likhet.