DEMONSTRAÇÃO DO SISTEMA
Sistema de comparação de textos baseado em índice de correlação
Objetivo
Comparar dois documentos textuais por meio de medidas de similaridade e apresentar trechos relacionados para análise humana.
DEMONSTRAÇÃO
Comparar documentos
Selecione dois arquivos para calcular o índice e examinar os trechos encontrados.
RESULTADOS
Resultado da comparação
Após a análise, o índice, as métricas e os trechos encontrados serão apresentados aqui.
Executar comparação com arquivos de exemploFUNDAMENTOS E LIMITAÇÕES
Método de comparação
O índice combina três medidas: cosseno entre vetores TF-IDF, Jaccard de trigramas de caracteres e similaridade de edição normalizada de Levenshtein.
Índice = 0,40 × TF-IDF + 0,30 × Jaccard + 0,30 × Levenshtein
O índice é uma medida ponderada de similaridade textual; não é o coeficiente de correlação de Pearson nem determina plágio. O TF-IDF é ajustado ao par de documentos, e os resultados não são calibrados entre pares. A validação com corpus e avaliações humanas ainda está pendente.
Limites do processamento
Cada arquivo aceita até 2 MiB, 50 mil palavras e 600 mil caracteres. A busca local examina até 300 blocos por documento e apresenta até 12 correspondências. A edição é calculada de forma exata e pode demorar em textos extensos.
Arquivos de exemplo: documento A · documento B.