Shotnest · Biblioteca
Por qué repetir una palabra no aumenta su peso
«red red blue» y «red blue» obtienen una coincidencia de términos de 1, porque la herramienta de comparación cuenta cada palabra distinta una sola vez, por mucho que se repita.
La coincidencia se mide sobre conjuntos
La herramienta de comparación convierte cada texto normalizado en un conjunto de términos distintos. Un conjunto no lleva recuento: red aparece en él una vez tanto si el texto dice red una vez como si lo dice diez. Para «red red blue» el conjunto es red y blue; para «red blue» son los mismos dos términos. Términos compartidos 2, unión 2, coincidencia 2 ÷ 2 = 1.
La igualdad exacta y la igualdad tras normalizar siguen diciendo No, porque las cadenas son distintas. Esas dos líneas son el lugar donde la repetición sigue siendo visible.
Un caso más largo se comporta igual. «pay pay pay now» y «pay now» también dan una coincidencia de 1, aunque el primer texto dice pay tres veces. Las listas de lo que solo está en el primer texto y solo en el segundo quedan vacías porque a ninguno de los dos lados le falta ningún término distinto.
Datos de entrada
- Primer texto
- red red blue
- Segundo texto
- red blue
Resultados
- Exactamente iguales
- No
- Iguales tras normalizar
- No
- Coincidencia de palabras
- 1
- Solo en el primer texto
- No disponible
- Solo en el segundo texto
- No disponible
La coincidencia de texto no demuestra que dos imágenes o documentos sean idénticos.
Comprueba una palabra repetida
- Compara los dos textos y anota la coincidencia de 1.
- Lee «Exactamente iguales» e «Iguales tras normalizar»: ambos dicen No.
- Fíjate en que las listas Solo en el primer texto y Solo en el segundo texto están vacías, ya que a ninguno de los conjuntos le falta un término.
- Cuenta tú mismo la palabra repetida en el original cuando importe el número de repeticiones.
- Términos distintos, primer texto
- 2
- Términos distintos, segundo texto
- 2
- Coincidencia de palabras
- 1
La normalización se aplica antes de construir el conjunto, así que «Red», «RED» y «red» también se reducen a un solo término; tampoco las mayúsculas pueden hacer que una repetición cuente.
Cuando la repetición tiene significado
En una lista, una línea repetida puede indicar una cantidad: dos artículos idénticos, un cargo duplicado, una instrucción dada dos veces. La coincidencia de conjuntos oculta esa diferencia por completo. El buscador de duplicadas de Shotnest usa una idea de conjuntos parecida para las capturas, pero solo después de que las imágenes tengan el mismo ancho y alto y casi la misma huella visual, y compara las palabras sin dígitos.
- Concluir que dos recibos son el mismo porque su coincidencia es 1.
- Pasar por alto que unas listas vacías de lo que solo está en un texto pueden esconder una línea repetida.
- Usar la coincidencia para contar cuántas veces aparece una palabra.
Una medida de conjuntos, leída como tal
El valor responde a una sola pregunta: ¿qué términos distintos comparten los textos? El orden y la frecuencia quedan fuera. Usa la herramienta de comparación enlazada abajo junto con el texto original siempre que importe un recuento.