Herramienta Gratuita

Calculadora de Similitud Jaccard en Texto

Q: ¿Toma en cuenta Jaccard la repetición de palabras en un texto?

El coeficiente Jaccard clásico opera sobre conjuntos matemáticos , por lo que evalúa únicamente la presencia o ausencia de cada palabra única (no su frecuencia de repetición). Si deseas ponderar la frecuencia exacta de repetición, utiliza la Similitud Coseno .

Q: ¿Por qué conviene activar el filtrado de palabras vacías (stopwords)?

Palabras gramaticales comunes como «de, en, la, el, y, que» aparecen en prácticamente cualquier texto en español. Filtrarlas permite calcular la similitud centrándose exclusivamente en el vocabulario léxico sustantivo y los conceptos clave.

Calcula el coeficiente de similitud Jaccard y distancia entre dos textos online. Desglose de teoría de conjuntos, diagrama de Venn, Dice-Sørensen y solapamiento.

Primer Texto (Conjunto $A$):

Segundo Texto (Conjunto $B$):

Granularidad de Tokenización:

Distinguir Mayúsculas Filtrar Stopwords (Palabras vacías)

Coeficiente de Similitud Jaccard $J(A, B)$

0.00%

Distancia Jaccard: 1.0000 (100.00%)

Solapamiento de Conjuntos

Intersección $|A cap B|$

Unión Total $|A cup B|$

Dice-Sørensen (DSC)

Solapamiento (Overlap)

Desglose de Teoría de Conjuntos (Diagrama de Venn):

El desglose de teoría de conjuntos aparecerá aquí.

Términos Compartidos en la Intersección

Los términos compartidos aparecerán aquí...

✨ Resumen de IA y AEO (TL;DR)

Respuesta Rápida: ¿Qué es Calculadora de Similitud Jaccard en Texto?

¿Qué hace esta herramienta? Calcula el coeficiente de similitud Jaccard y distancia entre dos textos online. Desglose de teoría de conjuntos, diagrama de Venn, Dice-Sørensen y solapamiento.

Categoría de Aplicación

Texto

Consejo de Optimización (IA)

Para obtener resultados óptimos, asegúrate de ingresar los valores en las unidades correspondientes.

¿Qué es el Coeficiente de Similitud de Jaccard y cómo se aplica al Análisis de Texto?

El Coeficiente de Similitud de Jaccard (también conocido como índice de Jaccard o Jaccard similarity index), introducido originalmente por el botánico suizo Paul Jaccard en 1901, es una métrica estadística fundamental de la teoría de conjuntos que mide la similitud y diversidad entre dos colecciones de elementos. En el procesamiento de lenguaje natural y la minería de textos, el índice de Jaccard calcula la proporción entre el número de términos comunes compartidos (intersección) y el número total de términos únicos combinados (unión) de dos documentos.

El valor del coeficiente oscila estrictamente entre 0.0 (o 0%) cuando dos textos no comparten ni una sola palabra, y 1.0 (o 100%) cuando ambos textos poseen exactamente el mismo vocabulario único sin importar el orden ni la reiteración de términos. Paralelamente, la Distancia Jaccard ($d_J = 1 - J$) cuantifica la disimilitud absoluta entre ambos conjuntos.

Nuestra Calculadora de Similitud Jaccard en Texto permite evaluar textos mediante múltiples niveles de tokenización: por palabras (unigramas), por pares continuos (bigramas), por trigramas o por q-gramas de caracteres, con opciones para filtrar palabras vacías (*stopwords*) y alternar sensibilidad a mayúsculas. Incluye el desglose diagramático de conjuntos de Venn y el cálculo simultáneo del coeficiente Dice-Sørensen y el coeficiente de solapamiento de Simpson. Puedes complementar tu análisis con la Calculadora de Similitud Coseno o el Verificador de Similitud entre Dos Textos.

Fórmula Matemática del Índice y la Distancia de Jaccard

Sean dos textos modelados como conjuntos finitos de tokens $A$ y $B$, el coeficiente de Jaccard $J(A, B)$ y la distancia métrica $d_J(A, B)$ se definen como:

        J(A, B) = \frac{|A \cap B|}{|A \cup B|} = \frac{|A \cap B|}{|A| + |B| - |A \cap B|}
    

        d_J(A, B) = 1 - J(A, B) = \frac{|A \cup B| - |A \cap B|}{|A \cup B|} = \frac{|A \triangle B|}{|A \cup B|}
    

Donde:

$|A \cap B|$ (Intersección): Cantidad de palabras o tokens idénticos presentes simultáneamente en el Texto A y en el Texto B.
$|A \cup B|$ (Unión): Tamaño del vocabulario combinado sin elementos duplicados.
$|A \triangle B|$ (Diferencia Simétrica): Elementos presentes exclusivamente en $A$ o exclusivamente en $B$, pero no en ambos.

Métricas Derivadas de Teoría de Conjuntos

Coeficiente	Fórmula Matemática	Propiedad Característica
Índice Jaccard	$\frac{\|A \cap B\|}{\|A \cup B\|}$	Métrica formal que satisface la desigualdad triangular
Dice-Sørensen (DSC)	$\frac{2 \|A \cap B\|}{\|A\| + \|B\|}$	Pondera el doble la intersección, generando valores numéricamente superiores
Solapamiento (Simpson)	$\frac{\|A \cap B\|}{\min(\|A\|, \|B\|)}$	Invariante si un texto es un subconjunto exacto dentro de otro más extenso

Ejemplo de Cálculo Práctico

Consideremos dos oraciones tras remover signos de puntuación:

Texto A: «el gato negro duerme en la alfombra» $\rightarrow A = \{\text{el, gato, negro, duerme, en, la, alfombra}\}$ ($|A| = 7$)
Texto B: «el perro blanco duerme en el parque» $\rightarrow B = \{\text{el, perro, blanco, duerme, en, parque}\}$ ($|B| = 6$)

Intersección ($A \cap B$): $\{\text{el, duerme, en}\}$ ($|A \cap B| = 3$)

Unión ($A \cup B$): $\{\text{el, gato, negro, duerme, en, la, alfombra, perro, blanco, parque}\}$ ($|A \cup B| = 10$)

Coeficiente Jaccard $J(A, B) = \frac{3}{10} = 0.3000 = 30.00\%$ | Distancia Jaccard $d_J = 70.00\%$.

Preguntas Frecuentes (FAQ)

¿Toma en cuenta Jaccard la repetición de palabras en un texto?

El coeficiente Jaccard clásico opera sobre conjuntos matemáticos, por lo que evalúa únicamente la presencia o ausencia de cada palabra única (no su frecuencia de repetición). Si deseas ponderar la frecuencia exacta de repetición, utiliza la Similitud Coseno.

¿Por qué conviene activar el filtrado de palabras vacías (stopwords)?

Palabras gramaticales comunes como «de, en, la, el, y, que» aparecen en prácticamente cualquier texto en español. Filtrarlas permite calcular la similitud centrándose exclusivamente en el vocabulario léxico sustantivo y los conceptos clave.

Categorías Recomendadas

Finanzas Herramientas de Texto Trading & Bolsa Hipotecas & Préstamos Nóminas & Salarios Salud & Cuerpo Impuestos & IVA Estadística & Probabilidad Fechas & Tiempo Geometría & Áreas Conversores de Unidades Ocio & Juegos Transporte & Consumos Ingeniería & Física Educación & Notas CSS & Web Viajes & Distancias Agricultura & Cultivos

Herramientas Relacionadas

Otras calculadoras de Herramientas de Texto que te pueden interesar.

Herramientas de Texto

Calculadora de Similitud Jaccard en Texto

Desglose de Teoría de Conjuntos (Diagrama de Venn):

Términos Compartidos en la Intersección

Respuesta Rápida: ¿Qué es Calculadora de Similitud Jaccard en Texto?

¿Qué es el Coeficiente de Similitud de Jaccard y cómo se aplica al Análisis de Texto?

Fórmula Matemática del Índice y la Distancia de Jaccard

Métricas Derivadas de Teoría de Conjuntos

Ejemplo de Cálculo Práctico

Preguntas Frecuentes (FAQ)

¿Toma en cuenta Jaccard la repetición de palabras en un texto?

¿Por qué conviene activar el filtrado de palabras vacías (stopwords)?

Categorías Recomendadas

Herramientas Relacionadas

Calculadora de Similitud Coseno en Texto

Convertidor de Lista de Texto a Consulta SQL IN

Convertidor de Texto Plano a Enlaces Clicables

Transpondedor de Matriz de Texto

Dividir Texto por Carácter

Agregar Número de Línea a Texto

Eliminar Formato de Texto

Conversor de Texto a Fuentes Unicode

Calculadora de Tasa de Compresión de Texto

Detector de Plagio de Texto Online

Generador de Texto Espaciado (Fullwidth)

Convertidor de Decimal a Texto

Convertidor de Texto a Código de Barras

Generador de UUID desde Texto

Convertidor de Lista de Texto a Array JavaScript

Buscar y Reemplazar Texto Online

Eliminar Código HTML de un Texto

Convertidor de Texto a Tap Code (Código de Toques)

Minificador de JavaScript desde Texto

Extraer Números de un Texto

Convertidor de texto a código binario

Simulador Máquina Enigma de Texto