文本相似度是什么
相似度没有唯一答案，不同算法看问题的角度不同：有的数字符增删改次数，有的比较用词分布，有的只看词集合重叠。
这个工具能做什么
- 编辑距离相似度（对语序敏感，适合查错别字）
- 余弦相似度（比较用词分布，适合判断同主题）
- Jaccard 重合度（只看词集合是否重叠）
- 可忽略大小写与空白
怎么使用（输入说明）
- 在左右两栏分别粘贴文本
- 按需勾选忽略大小写、忽略空白
- 看三个指标与编辑距离
- 据此判断重复程度
使用时的几个注意点
- 改语序会显著降低编辑距离相似度，但余弦相似度基本不变
- 长文本比短文本更容易得到高余弦值
- 查重建议以余弦相似度为主
实例
「摩卡工具箱是一个在线工具箱」与「摩卡工具箱是 AI 时代的在线工具箱」，余弦相似度约 0.9 以上，编辑距离相似度约 0.7。
常见问题 FAQ
Q：三个指标该看哪个？
A：查错别字和细微改动看编辑距离相似度；判断两段话是不是同一个主题看余弦相似度；只关心用词重不重合看 Jaccard。三个一起看最稳。
Q：多少算高相似？
A：没有绝对阈值。经验上余弦相似度超过 0.85 基本可以判定高度相似，0.6-0.85 之间需要人工看内容再定。
Q：中文是怎么切词的？
A：按单个汉字切分。这比依赖分词库更稳，不会因为分词器版本不同得出不一样的结果。