Naukowcy opublikowali formalny matematyczny framework o nazwie Semantic Conditional Similarity, który stanowi ulepszenie względem tradycyjnego Semantic Textual Similarity. Podczas gdy standardowe STS porównuje dwa dokumenty i zwraca jedną wartość liczbową, SCS pracuje z trzema dokumentami - dokumentem docelowym, referencyjnym i uwarunkowanym - eliminując wspólne elementy semantyczne przed porównaniem.
Główną innowacją jest wprowadzenie warunkowania międzydokumentowego oraz asymetrii opartej na rolach. Framework dzieli relacje na klasy lateralne (między źródłami) i wertykalne (od źródła do celu), tworząc kierunkowość w analizie. W przeciwieństwie do dotychczasowych podejść, SCS nie wymaga arbitralnie ustawianego progu podobieństwa - operacje teoriomnogościowe naturalnie partycjonują zawartość wspólną i rezydualną. Metoda działa dla konfiguracji n do 1, a rozszerza się również na przypadki 1 do n oraz m do n.
To osiągnięcie ma znaczenie dla wielu aplikacji praktycznych: analiza zapożyczeń tekstowych, detekcja parafraz, badanie oryginalności napisów, czy też zrozumienie, jak wiele tekstów źródłowych bezpośrednio wpłynęło na dokument docelowy. SCS otwiera możliwość precyzyjnego mierzenia indywidualnych wkładów każdego źródła, co dotychczas było niedostępne w standardowych metodach porównywania tekstu.