Kalkulator Kemiripan String

Bandingkan dua string menggunakan lima algoritma jarak-string dan kemiripan-string yang terkenal sekaligus: jarak edit Levenshtein, kemiripan Jaro dan Jaro-Winkler, jarak Hamming, dan kemiripan kosinus atas bigram karakter. Ketika alat text-diff biasa menunjukkan apa yang berubah, alat ini memberi tahu Anda berapa banyak — sebagai angka yang tepat dan dapat direproduksi.

Cara menggunakannya

Ketik atau tempel String A dan String B, lalu baca hasilnya secara instan — alat menghitung ulang pada setiap ketukan keyboard. Aktifkan Abaikan huruf besar/kecil untuk memperlakukan "Kata" dan "kata" sebagai sama di semua metrik.

Arti setiap metrik

• Jarak Levenshtein — jumlah minimum operasi penyisipan, penghapusan, dan substitusi karakter tunggal yang diperlukan untuk mengubah String A menjadi String B. Baris Kemiripan Levenshtein menyatakan jarak yang sama sebagai persentase (1 − jarak ÷ panjang string yang lebih panjang).
• Operasi Edit Levenshtein — rincian jumlah penyisipan, penghapusan, dan substitusi yang membentuk skrip edit minimal tersebut, ditambah berapa banyak karakter yang cocok tanpa perubahan.
• Matriks Jarak Levenshtein — tabel pemrograman dinamis lengkap yang dibangun algoritma secara internal, dengan label baris dan kolom berisi karakter aktual yang dibandingkan. Baca sel sebagai "jarak edit antara awalan yang berakhir di baris dan kolom ini." Dilewati untuk string yang lebih panjang dari 25 karakter, di mana grid tidak lagi dapat dibaca.
• Kemiripan Jaro — memberi penghargaan string yang berbagi karakter berdekatan dalam posisi, toleran terhadap transposisi kecil (digunakan dalam sistem penghubungan rekam dan deteksi duplikat).
• Kemiripan Jaro-Winkler — kemiripan Jaro ditingkatkan untuk string yang berbagi awalan yang sama (hingga 4 karakter), yang menjadikannya pilihan umum untuk mencocokkan nama dan pengidentifikasi pendek di mana awal string cenderung lebih dapat diandalkan.
• Jarak Hamming — jumlah karakter berbeda pada posisi yang sama, hanya ditentukan ketika kedua string memiliki panjang yang sama; ditampilkan sebagai "N/A" jika tidak.
• Kemiripan Kosinus (bigram) — memperlakukan setiap string sebagai vektor urutan 2 karakter yang tumpang tindih dan mengukur sudut di antara keduanya, metrik yang umum dalam pencocokan teks fuzzy dan deteksi near-duplikat.

Mengapa algoritma tidak setuju?

Mereka dibangun untuk pekerjaan yang berbeda. Levenshtein dan Hamming menghitung pengeditan tingkat karakter mentah, jadi satu huruf yang disisipkan di dekat awal string panjang bisa terlihat seperti perubahan besar. Kemiripan kosinus Jaro-Winkler dan bigram menimbang struktur bersama lebih dari posisi, jadi mereka sering lebih toleran terhadap kesalahan ketik, penyusunan ulang, dan perbedaan panjang — itulah mengapa sistem pencocokan fuzzy dan pemeriksaan ejaan cenderung memilih mereka daripada jarak edit biasa.

Apakah ini sama dengan diff teks?

Tidak sepenuhnya. Gunakan alat ini ketika Anda membutuhkan angka yang tepat — mendeduplikasi rekam, menyesuaikan ambang kecocokan fuzzy, menilai seberapa dekat jawaban yang diketik dengan jawaban yang benar. Untuk tampilan berdampingan tentang kata atau baris yang tepat berubah antara dua blok teks, gunakan alat Pembanding Teks sebagai gantinya, atau Pemeriksa Kemiripan Teks untuk skor tumpang tindih karakter/kata umum pada bagian yang lebih panjang.

Privasi

Semuanya berjalan di browser Anda — string yang Anda masukkan tidak pernah dikirim ke server.