Google改进了在两个数据库中协调混乱实体的方法

Question

我有两个杂乱无章的名字数据库，如下所示：

• 金达尔，鲍比
• 弗拉。鲍比·金达尔州长
• 鲍比·金达尔
• 3M公司
• 3米梅诺米

我要找到火柴。有人能为我指出或建议一个好的食谱，如何在谷歌精炼？

这个链接给了我一个起点，但我需要进一步的建议：http://blog.ouseful.info/2011/05/06/merging-datesets-with-common-columns-in-google-refine/

Answer 1

您可以尝试改进扩展，尤其是文档的和解部分。

Answer 2

cell.cross函数类似于Excel中的vlookup，只有当两个单元格相同时，它才会匹配。如果您想要使用此方法，则需要在此之前对数据进行大量的群集和清理。

我支持迈克尔的回答。尝试一个协调服务: rdf服务或公开和解。