在两个不同的公司数据集之间映射实体

Question

我有几个包含公司数据的数据集：- entity_structure (列: entity_id，parent_entity_id，ultimate_parent_id) - entity_addresses (列: address_id，entity_id，location_city，state，postal_code，zip，street，...) -供应商(列: vendor_id，parent_vendor_id，top_vendor_id，cnt_children，orgtype_id，geo_id，name，email，...) - geo (列: geo_id，zipcode，is_primary，latitude，vendor，elevation，state，...) - entity_coverage (entity_id，name，proper_name，sic_code，industry_code，sector_code，iso，...)

我需要在数据集之间自动映射实体，例如，一个数据集中可能有一个名为"Google“的公司，而另一个数据集中可能有一个名为"Google 123”的公司。我需要能够以足够高的信心确定这些是相同的实体。在大多数情况下，数据不共享唯一键。在大多数情况下，数据不共享唯一键。

命名实体链接是这里最好的方法吗？有没有关于如何解决这个问题的Python示例？

Answer 1

根据您的示例，Levenshtein Distance可能会有所帮助。