{"similarity": "0.75"}
curl --location --request POST 'https://zylalabs.com/api/777/text+similarity+calculator+api/7765/similarity+calculation' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text1": "Text one",
"text2": "Text two"
}'
Después de registrarte, a cada desarrollador se le asigna una clave de acceso a la API personal, una combinación única de letras y dígitos proporcionada para acceder a nuestro endpoint de la API. Para autenticarte con el Calculadora de Similitud de Texto API simplemente incluye tu token de portador en el encabezado de Autorización.
| Encabezado | Descripción |
|---|---|
Autorización
|
Requerido
Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito.
|
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
(Ahorra 2 meses pagando anualmente 🎉)
Acerca de la API:
Las similitudes entre los textos pueden ser más comunes de lo que piensas. Esta API proporcionará la herramienta definitiva para detectar y medir la similitud entre textos dados.
Utiliza esta herramienta para prevenir el plagio o para detectar similitudes entre textos.
Pasa dos cadenas de texto a esta API y recibe el porcentaje de similitud estimado.
Debemos determinar constantemente cuán comparables son dos textos en significado.
Más allá de la superposición de palabras entre los dos, los motores de búsqueda deben simular la relevancia de un documento para una consulta. Un sitio web de preguntas y respuestas como Quora o Stackoverflow, por ejemplo, necesita saber si una pregunta ya ha sido planteada.
Asumiendo que si un nuevo contrato es similar a uno existente que ha demostrado ser robusto, la posibilidad de que este nuevo contrato resulte en pérdidas financieras se minimiza, las tareas de similitud de texto pueden ser utilizadas en contextos legales para reducir riesgos en nuevos contratos. Este es el principio básico de la jurisprudencia. Problemas similares se manejan de manera consistente en todos los casos gracias al enlace automático de documentos relevantes. Textos similares promueven la igualdad y la justicia. La recuperación de precedentes legales es el proceso de encontrar documentos de casos anteriores que están conectados a un documento de caso actual.
Para ofrecer un servicio al cliente consistente, los sistemas de IA deberían ser capaces de comprender consultas de usuarios semánticamente comparables. El énfasis en la similitud semántica intenta desarrollar un sistema que comprenda el lenguaje y los patrones de palabras para proporcionar respuestas que son comparables a cómo se conduce una conversación humana. Por ejemplo, el usuario anticiparía la misma respuesta si pregunta, "¿Qué pasó con mi entrega?" o "¿Qué le sucede a mi envío?"
Además de las limitaciones de llamadas a la API por mes, hay una limitación de 1 solicitud por segundo.
El endpoint de Cálculo de Similitud devuelve un objeto JSON que contiene el porcentaje de similitud entre las dos cadenas de texto de entrada. La respuesta indica qué tan relacionados están los textos en significado.
El campo clave en los datos de respuesta es "similitud," que representa el porcentaje de similitud entre los dos textos, expresado como un decimal (por ejemplo, 0.75 para una similitud del 75%).
El punto final requiere dos parámetros: "text1" y "text2", que son las dos cadenas de texto que deseas comparar para similitud.
Los datos de respuesta están organizados en un formato JSON simple. Contiene un solo par clave-valor donde la clave es "similarity" y el valor es el porcentaje de similitud calculado.
Los casos de uso típicos incluyen la detección de plagio, la comparación de documentos legales, la mejora de la relevancia de los motores de búsqueda y la mejora de las interacciones del servicio al cliente de IA al comprender consultas semánticamente similares.
Los usuarios pueden utilizar el porcentaje de similitud devuelto para evaluar la relevancia del texto, identificar posibles plagios o mejorar la coincidencia de contenido en aplicaciones como motores de búsqueda o sistemas de soporte al cliente.
La precisión de los datos se mantiene a través de algoritmos avanzados que analizan la estructura y la semántica del texto, garantizando evaluaciones de similitud fiables basadas en patrones lingüísticos.
Los usuarios pueden esperar porcentajes de similitud que varían desde 0.0 (sin similitud) hasta 1.0 (textos idénticos). Los patrones pueden variar según la longitud y la complejidad del texto, siendo los textos más cortos los que a menudo generan puntuaciones de similitud más altas.