Shotnest · 资料库
找出相似段落里变化的数字
Gate 12 now 和 Gate 13 now 在四个不同词元中共有两个，重合度为 0.5；比较结果只列出 12 和 13 这两个不同的词元。
重合度是怎么算出来的
比较工具先把两段文字规范化，合并连续的空白，再按空格拆分。然后统计不同的词元：一边是 gate、12 和 now，另一边是 gate、13 和 now。共有的词元有两个，总共出现四个不同的词元，所以重合度是 2 ÷ 4 = 0.5。工具还会列出只在一边出现的内容，这里是第一段文字中的 12 和第二段文字中的 13。
对旅客来说，变了的数字是唯一要紧的部分，但它对重合度的影响和任何其他词一样大。因此，读只在一边出现的词元列表比读比率更有用。
输入值
- 第一段文本
- Gate 12 now
- 第二段文本
- Gate 13 now
结果
- 完全相同
- 否
- 规范化后相同
- 否
- 词语重合度
- 0.5
- 仅在第一段文本中
- 12
- 仅在第二段文本中
- 13
文本重合不能证明两张图像或两份文档完全相同。
比较一则通知的两个版本
- 先粘贴旧的文字，再粘贴新的。
- 看“完全相同”和“规范化后相同”；这里两项都是“否”。
- 直接看“仅在第一段文本中”和“仅在第二段文本中”，找其中的数字。
- 哪个数值是最新的，要通过发布方自己的应用或柜台来判断，而不是靠比较。
- 仅在第一段文本中
- 12
- 仅在第二段文本中
- 13
- 应用重复项检查中的词语重合度（忽略数字）
- 1
为什么应用的清理功能会忽略这个差异
Shotnest 的重复项检查只比较长度超过一个字符、只由字母组成的词，所以时间和数字不计入；对这两行文字来说，它的词语重合度是 1。只有当两张图片的宽度和高度也相同、图像指纹也几乎一致时，这一对才会作为重复项列出，并且每组保留最新的一张。
- 因为词语一致，就删掉两张登机口截屏中较旧的一张，却没有核对航空公司现在显示的是哪个号码。
- 把 0.5 理解为意思变了一半；在只有三个词的文字里，变一个词元就足以让这个数值减半。
- 以为数字比词更重要；每个不同的词元都只算一次，不管它是登机口号码还是 now 这个词。
相似不等于最新
比率和词元列表都不知道每张截屏是什么时候截的，也不知道发布方目前认可的是哪一张。请保留每张图片的时间戳，把比较当作快速找出差异的方法。