Mide cuánto vocabulario comparten dos textos mediante un índice de similitud basado en conjuntos de palabras. El resultado muestra el porcentaje de Jaccard, las palabras comunes y las exclusivas de cada texto. Es una comparación léxica útil para borradores, descripciones o respuestas, pero no pretende evaluar equivalencia semántica profunda.
Calcula el índice de Jaccard entre los conjuntos de palabras únicas de ambos textos y desglosa los términos comunes y exclusivos.
El porcentaje mide solapamiento de vocabulario, no significado, orden de frases, coherencia ni calidad del contenido.
Si A contiene {casa, azul, grande} y B contiene {casa, azul, nueva}, hay 2 palabras comunes y 4 en la unión: similitud = 2/4 = 50%.
La herramienta tokeniza palabras mediante categorías Unicode y elimina duplicados antes de calcular el índice de Jaccard.
No usa embeddings ni modelos de lenguaje, por lo que no reconoce sinónimos, paráfrasis o equivalencia semántica si el vocabulario cambia.
La herramienta usa el índice de Jaccard sobre palabras únicas. Divide el número de términos compartidos entre el total de términos únicos de ambos textos.
Significa que la mitad de las palabras únicas presentes en la unión de ambos textos pertenece también a la intersección.
No por sí sola. Un solapamiento alto puede tener muchas causas y la herramienta no evalúa fuentes, contexto, citas ni paráfrasis.
Sí. Con esa opción activada, “Texto” y “texto” se tratan como la misma palabra para el cálculo.
Porque el método compara vocabulario escrito, no significado. Dos paráfrasis con sinónimos distintos pueden compartir pocas palabras y obtener un índice bajo.
| Elemento | Descripción |
|---|---|
| Intersección | Palabras únicas compartidas |
| Unión | Palabras únicas de ambos textos |
| Jaccard | Intersección ÷ unión |