テキストファイル名類似度フィルタリングツール

ソフトウェアの使用方法

1. ファイルを選択またはサンプルを読み込む：「ファイルを選択」をクリックして .txt、.html、.htm などのテキストファイルを一括選択できます。先にサンプルデータでテストすることもできます。ページでは先頭20個のファイルのみプレビューされますが、処理時にはすべてのファイルが計算対象になります。
2. 類似度グループを設定：
   • 類似度しきい値：数値が高いほど、ファイル名がより近い場合にのみ同じグループに入ります。
   • 類似度アルゴリズム：総合アルゴリズム、Levenshtein編集距離、連続一致率、Jaccard、文字頻度コサインを選択できます。
   • グループ化方式：類似チェーンによるグループ化は、バージョンが連続的に変化するファイルに適しています。代表ファイルによるグループ化は、基準名を中心にファイルを整理する場合に適しています。
3. 保持基準を選択：総合コンテンツ品質スコア、プレーンテキスト文字数、単語数、文の数、平均文長、数字の割合、HTMLタグの割合、またはファイルサイズに基づいて、グループ内で保持するファイルを決定できます。
4. 読み込みと出力を設定：テキストエンコーディング、ZIPファイル名、プレビュー行数を設定でき、拡張子、大文字小文字、コピー標記、バージョン番号標記を無視するかどうか、およびZIP内にCSVとJSONレポートを追加するかどうかを選択できます。
5. フィルタリングを開始：「フィルタリングを開始」をクリックすると、ツールがファイルを読み込み、本文を抽出し、ファイル名の類似度を計算し、グループを生成して、ルールに従ってファイルを保持します。
6. 確認とダウンロード：処理完了後、グループプレビュー、フィルタリング済みファイルのプレビュー、処理ログを確認できます。「保持ファイル ZIP をダウンロード」をクリックすると結果を取得できます。結果に同名ファイルがある場合は、ファイル名の後ろに数字を追加して区別します。

よくある質問