Verificador de conteúdo duplicado com shingles

Ele normaliza maiúsculas, minúsculas e pontuação, monta um conjunto de frases para cada texto e mede a sobreposição pelo coeficiente de Jaccard. Você pode definir o tamanho do shingle e a porcentagem que acionará o alerta de provável duplicação. O resultado é determinístico, auditável e útil para revisar landing pages, descrições de produtos, artigos sindicados e outros materiais antes da publicação.

O que a similaridade por shingles revela

Um shingle é uma sequência curta de palavras consecutivas. Com tamanho três, uma frase gera grupos com as palavras 1 a 3, 2 a 4 e assim por diante. O verificador cria esses conjuntos para os dois textos, conta as sequências compartilhadas e divide esse número pelo total de sequências únicas presentes em qualquer conjunto. Esse cálculo de Jaccard gera a porcentagem de similaridade. Ele valoriza trechos correspondentes e ignora diferenças de caixa ou pontuação que não alteram as palavras. Assim, é mais informativo do que comparar contagens de palavras isoladas: usar vocabulário comum não basta para criar uma correspondência se os termos não aparecerem na mesma ordem local. A pontuação demonstra sobreposição textual, mas não prevê penalidades de mecanismos de busca. Um valor alto informa que as versões reutilizam muitas frases e merecem análise editorial. Um valor baixo indica redação literal diferente, embora não prove que um texto seja original, correto, útil ou apropriado para publicação.

Como escolher o tamanho e o limite

O tamanho padrão é de três palavras, um ponto de partida prático para textos comuns da web. Shingles menores são mais sensíveis: identificam fragmentos curtos compartilhados, mas também podem contar expressões rotineiras que surgem naturalmente em páginas sem relação. Shingles maiores exigem sequências literais mais longas, reduzindo coincidências acidentais, porém podem ignorar trechos levemente reescritos. Escolha o tamanho antes de interpretar a porcentagem, pois resultados obtidos com tamanhos diferentes não são diretamente comparáveis. O limite de duplicação controla apenas o alerta retornado; ele não muda o cálculo de similaridade. Um limite de 70 sinaliza uma pontuação igual ou superior a 70 por cento. A equipe deve calibrar esse valor com exemplos da própria biblioteca, sem tratar um único corte como regra universal de SEO. Mantenha as configurações ao comparar lotes. Cada texto precisa ter pelo menos tantas palavras normalizadas quanto o tamanho escolhido; caso contrário, a solicitação falha para não exibir uma porcentagem artificial ou enganosa.

Como transformar o resultado em decisão editorial

Use a pontuação como sinal de triagem em um fluxo de revisão. Comece comparando páginas voltadas a buscas semelhantes, modelos preenchidos pelo mesmo catálogo ou um rascunho com o material de origem entregue ao redator. Quando o sistema sinalizar um par, examine os documentos e descubra por que seus shingles coincidem. Navegação repetida, avisos legais, especificações e chamadas para ação padronizadas podem ser legítimos. Já introduções, explicações, benefícios e conclusões correspondentes justificam uma revisão mais cuidadosa. Preserve os fatos que precisam continuar corretos, mas reorganize e reformule o conteúdo para que cada página atenda a uma intenção própria. Registre o tamanho e o limite junto do resultado se você precisar de uma auditoria reproduzível. A ferramenta processa exatamente dois textos por solicitação; não rastreia URL, não pesquisa a web, não identifica o autor original e não decide qual página será ranqueada. Para analisar um site inteiro, selecione primeiro pares relevantes, use configurações consistentes e encaminhe as maiores pontuações para avaliação humana em vez de excluir ou redirecionar páginas automaticamente.