我正在尝试从两个不同的站点配对对象。他们不使用通用ID，所以我需要手工完成。
其中一个也是一种在内部识别物品的奇怪方式。 我不知道如何将它们结合在一起。 现在我试着用它们分割物品的方式： - 类别（室内使用，室外，纸张，金属，钢笔，食品用途......） - 产品（“Microsoft Widget A”，“MS Widget B”） - 项目（10厘米红色，200米蓝色纸制成..）
项目例如可以是一个站点（站点A）上相同产品（1.5cm，10cm，100cm）的不同大小，而另一个站点 “分裂”不同。产品可以分为数量/颜色/尺寸作为项目。这意味着我可以拥有 网站a：产品小工具A，红色 项目：10厘米，20厘米，100厘米 网站b：产品小工具A， 项目：红色10厘米，红色20厘米，红色100厘米，蓝色10厘米，蓝色100厘米
另一个坏处是类别没有以相同的方式定义，站点A可能会说“户外水上小工具”， 而另一个在子类别中有“Outoor”和“Widget for water”。或者更糟糕的是它使用不同的措辞。
目前，为了尝试找到解决方案，我尝试手动将站点A的主要类别与站点B相结合，并将所有子类别项目视为父类别的项目。 这是次优的，因为站点B上的某些类别可能以不同的顺序排序（例如，有子类别，如 “相关”，基本上链接到其他主要类别。 ） 对于产品，我只是将项目的所有名称与Levenshtein算法进行比较，并将产品与更高的比率相结合。 我正在使用站点A来定义如何对产品进行分组，结果不好，我没有将所有“小部件A”组合在一起，而是我有“Widget A，red”，“Widget A，blue”等对
有谁知道如何改善这个？ 现在我唯一的想法是：
我不是人工智能专家，但我见过的算法可以帮助你定义对象，但不会有人将它们配对。 我可能需要写一些东西来分类项目的特征（红色，10厘米）。也许也使用类别名称 （例如：网站A：“户外水上小工具”和网站B：类别：“户外”，产品：“水上小工具”）。
答案 0 :(得分：0)
万一有人偶然读了我的问题，我终于使用余弦相似性构建了东西。
例如： Use sklearn to find string similarity between two texts with large group of documents