حاسبة تشابه النصوص Sørensen–Dice
قدّر تشابه نصين بأزواج الأحرف المشتركة بينهما: الكلمتان night وnacht لا تشتركان إلا في ht فتحصلان على 0.25، أما النصان المتطابقان فيحصلان على 1. مفيد للأسماء شبه المكررة والأخطاء الإملائية. مجاني في متصفحك.
- مجاني
- يعمل في متصفحك
- دون تسجيل
- بياناتك لا تغادر جهازك
شغّل الأداة مجانًا
مثال محلول
- النص a
- night
- النص b
- nacht
- المعامل
- 0.25
- النسبة المئوية
- 25
- الثنائيات في A
- 4
- الثنائيات في B
- 4
معامل Sørensen–Dice مقياس كلاسيكي لتشابه السلاسل الضبابي المبني على ثنائيات الأحرف المشتركة لا على التساوي التام ولا على مسارات التعديل الكاملة. عند إدخال نصين تستخرج هذه الحاسبة كل زوج متتالٍ من الأحرف في كل سلسلة، وتعامل تلك الأزواج كمجموعات متعددة، وتعيد ضعف حجم تقاطعهما مقسومًا على مجموع حجمي المجموعتين المتعددتين. تقع الدرجة بين الصفر والواحد: السلاسل المتطابقة تعطي واحدًا، وأكياس الثنائيات المنفصلة تمامًا تعطي صفرًا، والمطابقات القريبة اليومية مثل night مقابل nite أو الرموز القصيرة المعاد ترتيبها تقع بينهما. ولأن الطريقة تعتمد على أزواج متداخلة بدل المحاذاة الشاملة، فإنها تتسامح مع فروق إملائية طفيفة وتكون أقل هشاشة أمام ترتيب الكلمات من مسافة Levenshtein الخالصة عند مقارنة تسميات شبيهة بالأكياس. يستخدمه الطلاب ومهندسو البيانات وفرق المنتجات لإشارات إزالة التكرار وسمات ترتيب البحث وفحص الواجبات دون بناء منظومة تعلم آلي.
كيف يُعرَّف معامل ثنائيات Sørensen–Dice
ابدأ بسلسلتين A وB. كوّن المجموعة المتعددة لثنائيات الأحرف لكل سلسلة: لسلسلة طولها n تحصل على n ناقص واحد من الأزواج المتداخلة، فـ night تعطي ni وig وgh وht. احسب مرات ظهور كل زوج حتى تساهم الحروف المكررة بعدة رموز لا بعضوية مجموعة واحدة.
حجم التقاطع هو مجموع، على كل ثنائي مميز، للحد الأدنى من عدّيه في A وفي B. ومعامل Sørensen–Dice هو ضعف ذلك التقاطع مقسومًا على إجمالي الثنائيات في A زائد إجماليها في B. عندما تكون السلسلتان المطبّعتان فارغتين أو متطابقتين يُعرَّف المعامل بواحد.
وعندما تختلفان ويكون لواحدة على الأقل أقل من حرفين فلا ثنائيات قابلة للمقارنة والمعامل صفر. الصيغة حتمية بالكامل ومستقلة عن ترتيب المحلّى بما يتجاوز فهرسة Unicode العادية، فيبقى الناتج مستقرًا للاختبارات الآلية والنشر متعدد المناطق. هذا ليس تشابهًا دلاليًا: apple وfruit لا تتشاركان أزواج أحرف وتقاربان الصفر وإن رآهما الإنسان مرتبطين.
استخدم أدوات التضمين حين يهم المعنى؛ واستخدم Dice حين تهم الصورة السطحية وقرب الإملاء.
أين يضيف تشابه الثنائيات الضبابي قيمة للمنتجات
تطبّق فرق الفهارس وCRM حاسبة تشابه سلاسل Sørensen–Dice عند دمج أسماء شركات أو عناوين منتجات أو أسطر عناوين شبه مكررة تختلف بأحرف قليلة دون ضبط بحث ضبابي للنص الكامل. ويستخدم مهندسو البحث والترتيب المعامل سمة معجمية رخيصة بجانب BM25 أو تداخل الرموز، لا سيما للاستعلامات والعناوين القصيرة حيث تلتقط أزواج الأحرف الأخطاء أفضل من تساوي الكلمة كاملة. وتعلّم سكربتات التعريب وضمان جودة المحتوى السلاسل المرشحة شبه المتطابقة بعد تعديلات ذاكرة الترجمة حتى يركز المراجعون على انحراف المعنى الحقيقي لا على متغيرات إملائية عرضية.
وتحتاج منصات الصف والتحضير للمقابلات إلى وسيط حتمي لصيغة الكتاب حتى يتحقق الطلاب من الواجبات على أزواج بأسلوب night مقابل nacht ويروا التقاطع وأعداد الثنائيات لا درجة صندوق أسود فقط. فضّل هذه الأداة حين تريد صيغة مجموعة متعددة قابلة للشرح؛ وانتقل إلى مسافة التعديل حين تهيمن كلف الإدراج والحذف، أو إلى التضمينات حين يكون هدف المنتج القرابة الدلالية. أبقِ المدخلات قصيرة قدر الإمكان، وثبّت coefficient وintersection في الاختبارات، لتحصل على درجات ضبابية قابلة لإعادة الإنتاج دون قاعدة متجهات أو GPU.
حالات الاستخدام
مطابقة الأسماء والعناوين شبه المكررة
قيّم عناوين المنتجات أو أسماء الموردين أو تسميات SKU التي تختلف بأخطاء إملائية طفيفة حتى تستطيع قواعد الدمج المطابقة اللينة دون مراجعة يدوية كاملة.
سمة معجمية لترتيب البحث
أضف معامل Dice لثنائيات الأحرف بين الاستعلام والعنوان كسمة شفافة بجانب تداخل الرموز في مرتّبات خفيفة وتقييمات دون اتصال.
الواجبات وتعليم الخوارزميات
اسمح للطلاب بالتحقق من صيغة ثنائيات المجموعة المتعددة على أزواج الكتاب وفحص التقاطع والأعداد بجانب المعامل.
الأسئلة الشائعة
ما معامل Sørensen–Dice لسلسلتين؟
هو ضعف تقاطع المجموعة المتعددة لثنائيات الأحرف مقسومًا على مجموع أعداد الثنائيات في السلسلتين، بدرجة من 0 إلى 1. السلاسل المتطابقة تسجّل 1.
ماذا لو كانت سلسلة فارغة أو بحرف واحد فقط؟
إذا تطابقت السلسلتان المطبّعتان فالنتيجة 1. وإذا اختلفتا وكان لأحد الجانبين أقل من حرفين فلا يمكن لثنائيات أن تتطابق والمعامل 0.
لماذا تحصل night وnacht على 0.25؟
في كل كلمة أربعة أزواج من الأحرف، والزوج الوحيد المشترك هو ht. ضعف هذا الزوج المشترك مقسومًا على مجموع الأزواج الثمانية يعطي 0.25، أي 25 بالمئة.
هل تغيّر الأحرف الكبيرة والصغيرة النتيجة؟
ليس افتراضيًا، إذ يُحوَّل النصان إلى أحرف صغيرة قبل المقارنة، فتُعد Night وnight متطابقتين. فعّل المقارنة الحساسة لحالة الأحرف حين يهم ذلك، كما في الرموز وكلمات المرور ومعرّفات اللغات.
هل تعني النتيجة العالية أن للكلمتين المعنى نفسه؟
لا. يقيس المعامل التهجئة المشتركة فقط. فالكلمتان apple وfruit لا تشتركان في أي زوج أحرف وتحصلان على ما يقارب الصفر رغم ارتباطهما، لذا استخدمه للأخطاء الإملائية والتكرار لا للمعنى.
أدوات ذات صلة
للمطوّرين — الوصول عبر API
كل ما في هذه الصفحة متاح برمجيًا. هذا القسم موجّه للفرق التقنية التي تريد ربط الأداة بأنظمتها الخاصة؛ بقية المستخدمين يمكنهم استخدام الأداة أعلاه مباشرة دون الحاجة لقراءة ما يلي.
الـEndpoint
صادِق على طلبك بترويسة Bearer، وأرسل طلب POST واحدًا لتدخل مهمتك قائمة التنفيذ فورًا؛ ثم تستلم النتيجة عبر webhook أو رابط موقّع.
استدعِ الخدمة من بيئتك
curl -X POST https://api.kit.forhosting.com/dev/dice-coefficient \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"text_a":"night","text_b":"nacht"}'const res = await fetch("https://api.kit.forhosting.com/dev/dice-coefficient", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"text_a": "night",
"text_b": "nacht"
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/dev/dice-coefficient",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"text_a": "night",
"text_b": "nacht"
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/dev/dice-coefficient", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"text_a":"night","text_b":"nacht"}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"text_a":"night","text_b":"nacht"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/dev/dice-coefficient", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)مثال على الطلب
{
"text_a": "night",
"text_b": "nacht"
}مثال على الاستجابة
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "dev.dice_coefficient",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}الواجهة غير متزامنة: تستلم task_id فور الإرسال، ويمكنك الاستعلام عن الحالة بمعدل طلب واحد في الثانية.
الأسعار
السعر معلن كما تراه: لا tokens ولا نظام نقاط؛ وإن فشلت المهمة فلن تُحاسَب عليها.
الأخطاء
| HTTP | الرمز | المعنى |
|---|---|---|
401 | unauthorized | مفتاح الوصول مفقود أو غير صالح؛ تحقق من ترويسة Bearer في طلبك. |
402 | insufficient_balance | رصيدك لا يكفي لتنفيذ هذه المهمة؛ أعد شحن الرصيد ثم أعد المحاولة. |
404 | unknown_type | نوع المهمة المطلوب غير موجود في الكتالوج — راجع الاسم المرسل في الطلب. |
429 | rate_limited | تجاوزت الحد المسموح من الطلبات؛ انتظر قليلًا ثم أعد المحاولة. |
ملاحظات تقنية
ويغذي نفس الوحدة النقية ودجة المتصفح المجانية ومسار API حتى لا يختلف الذهب عن الإنتاج أبدًا.
كيف يُعرَّف معامل ثنائيات Sørensen–Dice
طي حالة الأحرف اختياري: افتراضيًا تُحوَّل الجانبان إلى أحرف صغيرة قبل استخراج الثنائيات فتُسجَّل Night وnight تطابقًا تامًا؛ اضبط case_sensitive على true إن احتجت مقارنة حساسة لحالة الأحرف لكلمات المرور أو الرموز أو معرّفات اللغة.
عقد الإدخال وحقول الاستجابة وأخطاء التحقق
مثال: night وnacht تشتركان الثنائي ht مرة واحدة من أربعة أزواج لكل منهما، فالتقاطع واحد والمقام ثمانية والمعامل 0.25. اربط الدرجة بسياسة عتبة خاصة للمطابقات اللينة؛ ولا يخترع هذا المسار تسمية نجاح أو فشل خارج القياس الرقمي. التحقق الفاشل لا يُفوتر. أرسل جسم JSON بحقلَي سلسلة إلزاميين text_a وtext_b. تُربط الأسماء البديلة a وstring1 وs1 وleft وfirst بـ text_a، وb وstring2 وs2 وright وsecond بـ text_b، فتبقى الحمولات القصيرة مقروءة. القيمة الاختيارية case_sensitive افتراضيها false؛ تُقبل القيم المنطقية true أو false أو الأشكال الشائعة مثل true وfalse وone وzero. يجوز أن تكون كل سلسلة فارغة فقط كحالة حدّية مقصودة؛ الحقول الناقصة والأنواع غير السلسلية والسلاسل الأطول من عشرة آلاف حرف تفشل بـ invalid_input مع تسمية الحقل. عند النجاح تعيد الاستجابة text_a وtext_b وعلامة case_sensitive المحلولة؛ وcoefficient الدرجة على الفترة الوحدوية مقربة إلى اثنتي عشرة منزلة عشرية لذهب مستقر؛ وpercent هو coefficient مضروبًا في مئة للوحات التي تفضّل النسبة؛ وbigrams_a وbigrams_b يبيّنان عدد الأزواج من كل جانب؛ وintersection عدّ تداخل المجموعة المتعددة؛ وformula تعيد صياغة DSC بأنه ضعف التقاطع على مجموع أحجام المجموعات المتعددة. واستدعاءات parse الناجحة تستخدم السعر الأساسي المنشور $0.002 بلا رموز نموذج ولا شبكة صادرة.
أين يضيف تشابه الثنائيات الضبابي قيمة للمنتجات
ولأن التنفيذ parse نقي من المستوى A، يكلف كل استدعاء ناجح $0.002 بزمن استجابة متوقع عند الحافة، ويتطابق مسار المتصفح المجاني بايتًا ببايت مع API على الوحدة نفسها.
أسئلة تقنية
كيف تُستدعى حاسبة تشابه السلاسل Sørensen–Dice؟
أرسل text_a وtext_b كسلسلتين. اختياريًا اضبط case_sensitive على true للحفاظ على حالة الأحرف. تعيد API القيم coefficient وpercent وbigrams_a وbigrams_b وintersection وformula.
هل لحالة الأحرف أهمية؟
افتراضيًا case_sensitive يساوي false وتُحوَّل السلسلتان إلى أحرف صغيرة قبل استخراج الثنائيات. اضبط case_sensitive على true للمقارنة الحساسة لحالة الأحرف.
كم تكلفة الحاسبة؟
أداة المتصفح مجانية. طلبات API تستخدم رصيد KIT المدفوع مسبقًا بمبلغ $0.002 لكل استدعاء ناجح؛ والإدخال غير الصالح لا يُفوتر.