Shotnest · Bibliotheek
Herken dezelfde woorden in een andere volgorde
“red blue” en “blue red” halen in de vergelijkingstool van Shotnest een woordoverlap van 1, maar ze zijn zelfs na normalisatie niet gelijk.
Volgorde valt buiten de maat
Woordoverlap is het aantal gedeelde verschillende tokens gedeeld door het aantal verschillende tokens in beide teksten samen. De positie speelt geen rol. “red blue” en “blue red” leveren dezelfde verzameling op, dus de overlap is 2 ÷ 2 = 1. Gelijkheid na normalisatie vergelijkt de hele genormaliseerde tekenreeksen en meldt daarom nog steeds Nee: de woorden staan in een andere volgorde.
Juist dat verschil tussen de twee regels is het nuttige signaal. Volledige overlap bij ongelijke genormaliseerde tekst betekent dat dezelfde woorden anders zijn gerangschikt, wat in een lijst onschuldig en in een zin beslissend kan zijn.
Normalisatie verandert niets aan de volgorde: ze zet in kleine letters, trekt accenten gelijk en voegt spaties samen, en vergelijkt dan de tekenreeksen zoals ze er staan.
Invoer
- Eerste tekst
- red blue
- Tweede tekst
- blue red
Resultaten
- Exact gelijk
- Nee
- Gelijk na normalisatie
- Nee
- Woordoverlap
- 1
- Alleen in de eerste tekst
- Niet beschikbaar
- Alleen in de tweede tekst
- Niet beschikbaar
Tekstoverlap bewijst niet dat twee afbeeldingen of documenten identiek zijn.
Lees de drie resultaten samen
- Exact gelijk: Nee.
- Gelijk na normalisatie: Nee, omdat de volgorde verschilt.
- Woordoverlap: 1, met lege lijsten voor alleen de eerste en alleen de tweede tekst.
- Lees beide teksten in volgorde hardop; verandert de betekenis, behandel ze dan als verschillende items.
- Gedeelde tokens
- 2
- Verschillende tokens in totaal
- 2
- Woordoverlap
- 1
Als woordvolgorde ertoe doet
“Gate 12 seat 5” en “seat 12 gate 5” delen elk token en wisselen twee getallen tussen velden. “Not before Friday” en “before Friday, not” betekenen iets anders. Ook de zoekfunctie in de Shotnest-app negeert de volgorde: elk getypt woord moet in de tekst van de screenshot voorkomen, op welke plek dan ook. Dat helpt je een screenshot te vinden, en het is nog een reden om het resultaat te lezen voordat je ernaar handelt.
- Twee screenshots duplicaten noemen omdat hun tekstoverlap 1 is.
- De regel voor gelijkheid na normalisatie overslaan, terwijl alleen die de volgorde opmerkt.
- Aannemen dat een herschikte lijst identiek is terwijl de items aan posities vastzitten, zoals stoelen of ranglijstplaatsen.
Het voorbeeld met verwisselde velden geeft precies dat resultaat: “Gate 12 seat 5” en “seat 12 gate 5” zijn niet gelijk na normalisatie, en hun overlap is 1.
Geen oordeel over afbeeldingen
De vergelijkingstool die hieronder gelinkt is, meldt dat zijn resultaat alleen tekstoverlap is en geen bewijs dat twee afbeeldingen of documenten identiek zijn. De eigen duplicaatcontrole van Shotnest heeft naast gedeelde woorden ook overeenkomende afmetingen en visuele vingerafdrukken nodig.