Nlp 数据清理：是否有我们可以使用的常见排列库？还是有更好的方法？
我们正在清理和分析大量人工输入的客户数据。我们需要通过编程来决定两个地址（例如）是否相同，即使输入的数据略有变化 现在，我们通过相当简单的字符串替换来运行每个地址（例如，将avenue替换为ave），连接字段并比较结果。我们正在做一些与名字相似的事情 至少，我们的搜索替换值列表应该已经存在于某个地方Nlp 数据清理：是否有我们可以使用的常见排列库？还是有更好的方法？,nlp,match,Nlp,Match,我们正在清理和分析大量人工输入的客户数据。我们需要通过编程来决定两个地址（例如）是否相同，即使输入的数据略有变化 现在，我们通过相当简单的字符串替换来运行每个地址（例如，将avenue替换为ave），连接字段并比较结果。我们正在做一些与名字相似的事情 至少，我们的搜索替换值列表应该已经存在于某个地方 或者你可以建议一种完全不同的、优越的方法来检测匹配 和它的变体可能是一个好的开始，就像维基百科页面建议的其他方法一样。和它的变体可能是一个好的开始，就像维基百科页面建议的其他方法一样。对于地址，你应
或者你可以建议一种完全不同的、优越的方法来检测匹配 和它的变体可能是一个好的开始，就像维基百科页面建议的其他方法一样。和它的变体可能是一个好的开始，就像维基百科页面建议的其他方法一样。对于地址，你应该通过谷歌地图api运行它们，并为每个地址获取地理代码。那么，如果地理编码相同，那么地点也相同。我相信他们可以免费提供10k点击率/天/ip 你不可能自己想出更好的办法
对于地址，您应该通过谷歌地图api运行它们，并为每个地址获取地理代码。那么，如果地理编码相同，那么地点也相同。我相信他们可以免费提供10k点击率/天/ip 你不可能自己想出更好的办法
本质上，你试图找到两个字符串有多相似，有很多不同的方法来测量它。骰子系数对于您所做的工作可能相当有效，尽管它的操作成本有点高 如果您想要更全面的字符串相似性度量列表，请尝试以下操作：
本质上，你试图找到两个字符串有多相似，有很多不同的方法来测量它。骰子系数对于您所做的工作可能相当有效，尽管它的操作成本有点高 如果您想要更全面的字符串相似性度量列表，请尝试以下操作：
在工作中，我帮助编写验证地址的软件（用于SmartyStreet） 地址验证是一项非常棘手的操作——事实上，美国邮政局已经指定了一些经过认证的公司来提供这项服务。我不建议（即使我处在你的位置上）你自己尝试这样做。如前所述，Google进行了一些地址解析，但只近似于地址。谷歌、雅虎和类似的服务将不会验证地址数据的准确性
所以你需要一个经过CASS认证的方法来解决这个问题。我会建议像手术室一样的东西。两者都是经过USPS认证的CASS，可以满足您的要求。在工作中，我帮助编写验证地址的软件（用于SmartyStreet） 地址验证是一项非常棘手的操作——事实上，美国邮政局已经指定了一些经过认证的公司来提供这项服务。我不建议（即使我处在你的位置上）你自己尝试这样做。如前所述，Google进行了一些地址解析，但只近似于地址。谷歌、雅虎和类似的服务将不会验证地址数据的准确性
所以你需要一个经过CASS认证的方法来解决这个问题。我会建议像手术室一样的东西。这两个都是USPS认证的CASS，可以满足您的要求。也许我遗漏了什么，但“234 5th avenue，2th floor，new york NY 10002”和“234 7th avenue，2th floor，new york NY 10002”这两个字符串是否非常相似但地址不同？也许我遗漏了什么，但“234 5th avenue，2th floor，new york NY 10002”和“纽约州纽约市第七大道234号2楼，邮编：NY 10002”非常相似的字符串，但地址不同？小心-谷歌不会总是返回正确的结果，它只会做出最佳猜测。小心-谷歌不会总是返回正确的结果，它只会做出最佳猜测。