Mantenha visíveis as diferenças de pontuação

Por que uma vírgula custa dois terços da sobreposição

Depois da normalização, a ferramenta de comparação divide o texto nos espaços e em nada mais. A pontuação não é removida, então “note,” com vírgula e “note” sem ela são dois termos diferentes. No exemplo, o primeiro texto tem os termos note, e ready; o segundo tem note e ready. A união reúne três termos distintos e só ready é comum, então a sobreposição é 1 ÷ 3.

O mesmo mecanismo vale para pontos finais, dois-pontos, parênteses de fechamento e aspas grudados numa palavra. A busca do app Shotnest funciona de outro jeito: ela procura cada palavra digitada dentro do texto da captura, então “note” ainda encontra “note,” ali.

Num texto mais longo, o efeito diminui, mas não desaparece. “Meet at the station. Bring tickets” e “Meet at the station bring tickets” compartilham cinco de sete termos distintos, uma sobreposição de 0,7142857142857143, e os únicos termos diferentes são “station.” com ponto final e “station” sem ele.

Dados de entrada

Primeiro texto

note, ready

Segundo texto

note ready

Resultados

Exatamente iguais

Não

Iguais após normalização

Não

Sobreposição de palavras

0,333333

Apenas no primeiro texto

note,

Apenas no segundo texto

note

A sobreposição de texto não prova que duas imagens ou documentos sejam idênticos.

Leia o resultado linha por linha

1. Exatamente iguais: Não, porque as sequências diferem por uma vírgula.
2. Iguais após normalização: Não; a normalização mexe em maiúsculas e acentos, não na pontuação.
3. Sobreposição de palavras: 0,3333333333333333.
4. Apenas no primeiro texto: “note,”. Apenas no segundo texto: “note”.
5. Olhe a captura para decidir se a vírgula tem sentido ou é um resíduo da cópia.

Termos distintos na união

3 termos

Termos comuns

1 termo

Sobreposição de palavras

0,3333333333333333

Acentos e maiúsculas são tratados antes da divisão, então “Café,” e “cafe,” viram o mesmo termo; só a vírgula ou o ponto final grudado mantém separadas duas palavras que, fora isso, são idênticas.

Erros que este exemplo evita

• Concluir que duas legendas não têm relação porque uma frase curta com uma vírgula pontua pouco.
• Supor que o texto com pontuação menor é o menos exato; a sobreposição não tem nenhuma noção de correção.
• Tirar a pontuação à mão antes de comparar e depois esquecer que o original a tinha.
• Usar a sobreposição em textos muito curtos, em que um único termo muda o valor em um terço ou mais.

O que o número não resolve

A sobreposição compara conjuntos de termos. Ela não diz qual versão foi digitada primeiro, qual aparece na imagem nem se a vírgula muda o sentido. A ferramenta de comparação indicada abaixo mostra as listas de termos apenas do primeiro e apenas do segundo texto, para você ver exatamente quais sinais grudados fizeram a diferença.