Comparador de similitud de textos
Pega dos textos para ver cuánto se parecen. Obtienes un porcentaje de similitud a partir de tres medidas estándar, coseno (frecuencia de palabras), Jaccard (vocabulario compartido) y Levenshtein (distancia de edición), y cada frase que comparten los textos se resalta lado a lado.
Última actualización:
Frases compartidas resaltadas
Frases compartidas
Cómo usar Comparador de similitud de textos
- Pega el primer texto en Texto A y el segundo texto en Texto B.
- Elige las opciones: ignorar mayúsculas, ignorar puntuación, omitir palabras vacías y la longitud mínima de frase compartida.
- Pulsa Comprobar similitud (los resultados también se actualizan mientras escribes).
- Lee las puntuaciones: similitud global, coseno, Jaccard y Levenshtein, cada una del 0% al 100%.
- Revisa lo resaltado: las frases compartidas se marcan en ambos textos y se listan debajo, de la más larga a la más corta.
Las tres fórmulas de similitud
| Medida | Fórmula | Qué analiza | ¿Importa el orden? |
|---|---|---|---|
| Similitud coseno | (A · B) ÷ (‖A‖ × ‖B‖), donde A y B son vectores de recuento de palabras | Qué palabras se usan y con qué frecuencia | No |
| Similitud de Jaccard | |A ∩ B| ÷ |A ∪ B| sobre los conjuntos de palabras distintas | Solo el vocabulario compartido | No |
| Similitud de Levenshtein | 1 − distancia ÷ longitud del texto más largo | Inserciones, eliminaciones y sustituciones de caracteres | Sí |
Ejemplo práctico. El texto A es “red apples and green apples” y el texto B es “green apples and red pears”. Los recuentos de palabras son A = {red 1, apples 2, and 1, green 1} y B = {green 1, apples 1, and 1, red 1, pears 1}. El producto escalar es 1 + 2 + 1 + 1 = 5, ‖A‖ = √7 y ‖B‖ = √5, así que coseno = 5 ÷ √35 ≈ 84.5%. Los vocabularios comparten 4 palabras de 5 palabras distintas, así que Jaccard = 80%.
Cómo interpretar los resultados
- Coseno alto, Levenshtein bajo: las mismas palabras en otro orden, algo típico de un texto reorganizado o ligeramente parafraseado.
- Todo alto: los textos son copias casi exactas con pequeños cambios. Las frases resaltadas muestran exactamente qué pasajes coinciden.
- Jaccard bajo pero algunas frases compartidas: textos mayormente distintos que reutilizan algunas frases o citas exactas.
- Los textos cortos varían mucho: con pocas palabras, cambiar una sola mueve cada puntuación varios puntos porcentuales.
Las frases compartidas se encuentran buscando secuencias de palabras consecutivas (n-gramas de palabras) y extendiendo cada coincidencia hasta donde llegue, de modo que una frase larga copiada aparece una sola vez y no como muchos fragmentos solapados. La búsqueda de frases ignora la puntuación y los saltos de línea entre palabras.
Preguntas frecuentes
¿Cómo se calcula el porcentaje de similitud?
La herramienta calcula tres medidas estándar y muestra cada una. La similitud coseno compara con qué frecuencia se usa cada palabra, la similitud de Jaccard compara los conjuntos de palabras distintas y la similitud de Levenshtein es 1 menos la distancia de edición dividida entre la longitud del texto más largo. La puntuación global es la media de las tres.
¿Qué es la similitud coseno?
Cada texto se convierte en un vector de recuentos de palabras (frecuencia de términos). La similitud coseno es el producto escalar de los dos vectores dividido entre el producto de sus longitudes. Va del 0% (ninguna palabra en común) al 100% (las mismas palabras en las mismas proporciones) e ignora el orden de las palabras.
¿Cuál es la diferencia entre la similitud de Jaccard y la coseno?
Jaccard solo mira qué palabras distintas aparecen: palabras compartidas divididas entre todas las palabras distintas de ambos textos. El coseno también tiene en cuenta con qué frecuencia aparece cada palabra, así que las palabras clave repetidas pesan más. Jaccard suele ser la más baja y estricta de las dos.
¿Qué mide la distancia de Levenshtein?
Es el número mínimo de inserciones, eliminaciones o sustituciones de un solo carácter necesarias para convertir un texto en el otro. A diferencia de las medidas por palabras, es sensible al orden y a la ortografía. En textos largos se calcula sobre palabras en lugar de caracteres para seguir siendo rápida, y la herramienta te avisa cuando ocurre.
¿Es un detector de plagio?
No. Solo compara los dos textos que pegas y no busca en la web ni en ninguna base de datos. Es útil para detectar pasajes reutilizados, comprobar una paráfrasis frente a su fuente o comparar dos versiones de un documento.
¿Por qué cambia la puntuación al quitar las palabras vacías?
Las palabras vacías como the, and, of y to aparecen en casi todos los textos en inglés, así que hacen que textos sin relación parezcan algo similares. Quitarlas permite que el coseno y Jaccard se centren en las palabras con significado. Las frases compartidas siempre conservan las palabras vacías para que se lean con naturalidad.
¿Se guardan o se suben mis textos?
No. Todos los cálculos se ejecutan en tu navegador con JavaScript. No se envía nada a ningún servidor, y los textos solo se guardan en el almacenamiento local de tu propio navegador para que sigan ahí si recargas la página.
¿Se prueban todas las herramientas de FreeToolCabin para comprobar su calidad y precisión?
Sí. Cada herramienta del sitio pasa pruebas automáticas en navegadores reales para comprobar que el resultado es correcto y que no hay errores. Si encuentras un fallo o tienes una sugerencia, escríbenos a [email protected] y lo revisaremos.