对相同但标题/属性略有不同的产品进行分组

Question

我在我的网站上展示了大量产品。 我必须对来自不同网站的类似产品进行分组， 我已经爬到了我的数据库。 这样当搜索产品时，它也会显示来自另一个网站的相同产品。

我尝试了以下方法

1. 按产品标题分组

   结果 - 失败，因为 Sony Xperia Z、Sony Xperia Z( 黑色 ) 是同一个产品，但标题不同，所以不能在同一个组中。所以错误率很高。

2. 按属性分组：

   具有相似属性和价值的产品被归为一组。 但它的速度很慢，错误率也很高。 因为来自不同公司的不同产品可能具有相同的属性。

这是最好的方法。 请帮帮我。

提前致谢。抱歉英语不好。

Answer 1

我将尝试使用您的按标题分组解决方案，但使用 RegEx 进行了修改。或者只使用以下方法：

title1.contains(title2)

title1.startsWith(title2)

不可能有 100% 无错误的解决方案，所以我会添加这样的链接： “不是你的产品？点击这里” 暂时从该组中删除产品并将其标记为“不确定”，以便您可以手动检查。

Answer 2

您可以使用第一个字母和字典，然后使用mysql全文搜索和相关性排序。问题不是很清楚。还有 leventhein 距离和 soundex() 函数。