เครื่องมือตรวจความคล้ายของข้อความ

แต่ละคะแนนบอกอะไร

• การซ้อนทับของคำใกล้ 100% หมายความว่าข้อความทั้งสองใช้ชุดคำเกือบเดียวกัน
• ความคล้ายของตัวอักษรใกล้ 100% หมายความว่าข้อความเกือบเหมือนกันทีละตัวอักษร
• ช่องว่างที่กว้าง (การซ้อนทับของคำสูง ความคล้ายของตัวอักษรต่ำกว่า) ชี้ว่าเป็นคำศัพท์เดียวกันที่จัดเรียงต่างกัน

ตัวอย่างการคำนวณ

เปรียบเทียบ The quick brown fox กับ The quick red fox:

• การซ้อนทับของคำ: 60.00% (มี the, quick และ fox ร่วมกัน จากห้าคำที่ต่างกัน)
• ความคล้ายของตัวอักษร: 83.33% (ต่างกันเพียง brown เทียบกับ red)

ตัวเลขสองตัวเมื่อดูคู่กันเล่าเรื่องได้ คือ คำเกือบเดียวกัน และตัวอักษรเกือบเดียวกันยกเว้นคำเดียว

สิ่งที่มันไม่ทำ

นี่เป็นการเปรียบเทียบสตริงระดับผิวเผิน ไม่ใช่ตัวตรวจการคัดลอกผลงานหรือความหมาย

• มันเปรียบเทียบคำและตัวอักษร ดังนั้นสองย่อหน้าที่พูดเรื่องเดียวกันด้วยคำต่างกันจะได้คะแนนต่ำ
• มันไม่มีฐานข้อมูลของผลงานที่เผยแพร่แล้ว จึงบอกไม่ได้ว่าข้อความถูกคัดลอกมาจากที่อื่นหรือไม่
• การจับคู่ตามความหมาย (เชิงความหมาย) ต้องใช้โมเดลเอ็มเบ็ดดิง ซึ่งเครื่องมือนี้ไม่ได้ใช้

ใช้คะแนนเป็นสัญญาณคร่าว ๆ ของข้อความที่เกือบซ้ำ ไม่ใช่คำตัดสิน

เคล็ดลับการเตรียมข้อมูล

• ตัดข้อความสำเร็จรูปออก (ลายเซ็น ส่วนหัว ส่วนท้าย) ก่อนเปรียบเทียบ มันทำให้คะแนนทั้งสองสูงเกินจริง
• ปรับช่องว่างและเครื่องหมายวรรคตอนที่กระจัดกระจายให้เป็นมาตรฐาน เพื่อไม่ให้ความต่างของรูปแบบกลบการตรงกันของเนื้อหาจริง
• ระวังความต่างของความยาว: ความยาวที่ต่างกันมากทำให้ความคล้ายของตัวอักษรลดลง แม้ข้อความสั้นกว่าจะอยู่ในข้อความยาวกว่า ดังนั้นให้เปรียบเทียบส่วนที่เทียบเคียงกันได้