代码之家 › 专栏 › 技术社区 › zer02

Rails:一种检查DB中重复项的方法?关联数据源

affiliate similarity matching ruby-on-rails mysql

zer02 · 技术社区 · 10 年前

我有一个关于联盟数据源的问题。

例如,来自亚马逊或其他电子商店合作伙伴。我正在尝试导入他们的产品数据,但希望避免重复,如果两个商店都销售相同的产品。

例如 亚马逊 : Product Title: iPhone 5 16GB Black

和 另一家商店 使用 Product Title: iPhone 5 16GB .

它们应该被列为一种产品,现在假设我有10家商店在销售iPhone 5。

当然,它们还有更多的参数。我仍然需要一个算法来防止这种情况发生。类似于产品参数的相似性匹配算法。

有没有人对此有经验,可以告诉我,在这种情况下可以建议什么样的算法?

可在此处找到参数的详细列表 GET Products Documentation WebApi

非常感谢你!

可以通过EAN编号来完成,但如果没有提供该编号怎么办。

1 回复 | 直到 10 年前

korada 10 年前

在开发算法之前,您需要定义业务规则。如果您的情况是除了标题之外所有属性都匹配,那么您可以在标题上尝试子字符串(一个是其他属性的一部分)匹配或模糊匹配。

我们正在使用模糊字符串匹配gem来查找重复的公司。

假设差异仅在标题上,您可以通过分析标题部分来将更多的智能投入到算法中。在您的示例中,标题部分可以是型号、版本、容量和颜色。对于本示例:

 required_attributes = [model, version, capacity]
 optional_attributes = [color]

并为每个产品类别定义属性。将此与模糊匹配相结合,即使在拼写错误时,您也应该能够获得良好的匹配,以下内容应该匹配:

 iPhone 5 16GB Black
 iPhone 5 16GB
 iPone 5 16GB White

推荐文章

Ahmed Abotaleb · “vbscript”查找行中有类似的单词,用冒号分隔“:”[关闭]

7 年前

nullgeppetto · Python中相似矩阵的高效计算(NumPy)

7 年前

Sanjay Kamath · 在python中,如何在具有相似性分数的大字符串中找到相似的子字符串?

7 年前

user2995603 · 数组中相似项的序列

7 年前

Dan · 在TestComplete中使用“like”是可能的吗?

7 年前

Allcor · 在Django模型中使用三角图(Gin\u trgm\u ops)创建Gin索引

7 年前

zer02 · Rails:一种检查DB中重复项的方法?关联数据源

10 年前

beginner_ · 比较双数组的相似性

10 年前

Shani · 查找具有不同长度[闭合]的特征向量的相似性度量

11 年前