Java 跨类别的产品比较

我在找一个价格比较网站。所以问题是，它如何知道来自两个不同网站的两种产品属于同一种产品，并将两种产品合并到同一个桶中以显示价格比较

如果仅仅是书籍，我就无法理解所有书籍都有唯一的

ISBN

编号，那么只需编写一些特定于网站的代码，从网站获取数据并进行比较

e、 g.您有两个网站：

www.xyz.com
www.pqr.com

现在这两个网站列出了不同的书籍，即html将不同，因此解析html并从中获取

ISBN

，

price

。对于相应的

ISBN

我们可以把这两个网站的价格。这很简单，但您将如何在ISBN等网站上解析没有

id

且唯一且统一的产品（如高压锅、手表等）

---

谢谢。

其他产品也有识别号，在欧洲是

EAN

，目前已成为名为

GTIN

的全球编号。在电子商务中，通常使用Amazon ID（

ASIN

，其中

ISBN

是其中的一个子集）

如果您没有这些号码（通常是这样），则需要一种称为

记录链接

或

数据匹配

的策略

TL；DR它通常使用字符串匹配算法来查找类似的“文字”产品（例如，使用n-gram上的倒排索引）。最后，您可以使用机器学习删除错误匹配（误报）。这需要大量的训练数据（没有或太小的公共数据集可用），因此大多数情况下人类会检查这些匹配

对于这个问题的更详细的分析，我只能推荐阅读这本书。它深入到信息检索（如何找到相似的产品）以及如何使用机器学习（例如通过结构分析）来分类错误或正确的匹配

网上也有他写的很多文件，所以请结帐