文本相似度計算器 使用指南

「kitten」 與 「sitting」 編輯距離 3 → 相似度約 1−3/7≈0.57。

核心功能

• 計算兩段文本的相似度並給出百分比
• 分詞方式可選按字元（中文適用）、按單詞（英文適用）、2-gram、3-gram
• 支援完整比較與逐字元差異高亮兩種模式
• 用於查重、改寫比對、版本差異檢查

適用場景

• 用編輯距離/餘弦算兩段文本相似度。
• 排查重複錄入：比對使用者提交的相似條目，找出可能是同一條內容的重複資料，輔助去重。

使用步驟

1. 在文本 A 與文本 B 分別貼上內容
2. 選擇分詞方式：中文用按字元或 2-gram，英文用按單詞
3. 選擇比較模式：看整體相似度用完整比較，找差異位置用逐字元高亮
4. 點計算得到相似度
5. 同一份內容換分詞方式結果會變，橫向比較時須固定一種

實用技巧

• 用編輯距離/餘弦算兩段文本相似度。
• 排查重複錄入：比對使用者提交的相似條目，找出可能是同一條內容的重複資料，輔助去重。

常見問題

哪種演算法好？

短文本用 Levenshtein，長文本用分詞+餘弦。

編輯距離和餘弦相似度怎麼選？

編輯距離衡量「改成一樣要多少步」，適合拼寫糾錯、短文本與近似匹配；餘弦相似度衡量「詞袋分佈有多接近」，適合長文本與主題比較，但不關心詞序，中文還需先分詞。實際系統常兩者結合：先按相似度粗篩，再用編輯距離精排。