比较文件的方法有哪些

Question

最近我开始做一些关于标准化产品数据的研究。

超市经常以不同的价格出售相同的产品，比较这些价格很有用。为此，我们需要知道我们正在匹配每个超市的相同产品。问题是，超市在命名产品和在网站上列出产品的方式上往往存在细微差别。我们需要一个可以标准化产品名称的工具，将两个不同名称的产品识别为同一产品，同时成功识别不同但名称相似的产品以及数量上的差异。例如，我想购买 rasher，当你去搜索 rasher 时，我们将对所有 rasher 进行编码，即使名称不同并映射到 HS-codes ，我想知道这个过程背后的技术是什么？

此外，我们需要将这些产品的价格转换为标准单位，并使产品与世界贸易 HS 编码定义的组保持一致。假设 raser 的价格是每 180 克 2.99 欧元，但现在我想通过一些技术将其更改为每公斤 16.62 欧元，检查适当的自然语言技术以确定哪种方法最能实现这些目标。

Answer 1

这取决于标题的不同类型，但现在我将解释两种不同的类型：

1- 如果产品名称与前后词分开，那么您可以使用“Apache lucene”等工具“索引”产品名称，只需搜索产品名称，您将获得所有具有该名称的产品。

2- 如果产品名称带有后缀和前缀，那么您可以使用“编辑距离算法”来查找类似产品。

对于您问题的第二部分，您应该定义所有模式以捕捉重量、价值等方面的差异，然后将它们统一起来。