Openrefine：跨集群两个数据集答案

【问题标题】：Openrefine: cross cluster two datasetOpenrefine：跨集群两个数据集
【发布时间】：2015-07-23 23:51:41
【问题描述】：

我有两个包含标题和其他信息的数据集，但在数据集 A 中我有标题，在数据集 B 中我有标题和 URL。
我必须将 URL 从数据集 B 放入数据集 A。有些标题在 A 和 B 中相同，有些则不同，有些则略有不同（问题来了）。

所以我需要同时合并和聚类那些相似的。我知道我可以与 DBpedia 协调，但我需要的是在两个数据集之间“协调”。有没有可能？

谢谢。

【问题讨论】：

【解决方案1】：

您可以使用reconcile-csv 应用程序（它不是OpenRefine 的插件，而是运行本地对帐API 服务器的独立程序）。

将数据集 B 导出为 csv，第一行作为列名，然后启动 reconcile-csv，使用 URL 作为 id 列和名称作为搜索列：

java -Xmx2g -jar reconcile-csv-0.1.2.jar <CSV-File> <Search Column> <ID Column>

然后打开数据集A并添加http://localhost:8000/reconcile作为对账服务。协调后，每个已协调单元格的cell.recon.match.id 将包含 URL。

【讨论】：

afaik reconcile-csv 只是让你从数据集 B 导入 id。然后你需要使用 cell.cross 函数来实际导入 URL
@magdmartin 我建议使用 URL 作为 id，如果 url 是唯一的。
非常感谢您的回答！抱歉这么晚才回复你。我用 reconcile-csv 做了一些尝试，但是由于经验不足，我在理解它的工作原理时遇到了一些问题。我现在就试试你的指示，谢谢！