API de Similitud de Datos Optimizada es una API de emparejamiento difuso y deduplicación de alta velocidad diseñada para datos del mundo real, desordenados. Te ayuda a identificar registros casi duplicados y reconciliar entidades incluso cuando los valores no coinciden exactamente—errores tipográficos, diferencias de mayúsculas y minúsculas, puntuación faltante, problemas de espaciado, abreviaciones y cambios menores en el orden de las palabras.
En lugar de construir y ajustar tu propia tubería de emparejamiento difuso, envías tus cadenas (o registros) a la API y recibes coincidencias con puntuaciones de similitud en las que puedes confiar. Los resultados típicos incluyen pares emparejados (por ejemplo, “Apple” ↔ “apple inc.”), puntuaciones de similitud y resultados estructurados que son fáciles de integrar en flujos de trabajo de limpieza de datos, CRM, trabajos ETL y tuberías de análisis.
Casos de uso comunes:
Deduplicar listas: encontrar duplicados dentro de un conjunto de datos (coincidencias de todos a todos) y devolver pares de duplicados probables.
Reconciliar contra una lista maestra: hacer coincidir una lista entrante con un conjunto canónico (lista a maestra).
Higiene de datos de CRM y clientes: limpiar prospectos/cuentas/empresas donde los duplicados rompen informes y alcance.
Resolución de entidades y enlace de registros: conectar referencias a la misma entidad del mundo real a través de fuentes.
Por qué los equipos lo utilizan:
Funciona con texto desordenado desde el primer momento (sin reglas manuales para cada caso extremo)
Puntuaciones de similitud para clasificación y umbrales (tú eliges cuán estricto ser)
Construido para escalar y automatización (diseñado para ejecutarse en tuberías, no solo en scripts únicos)
{"status":"success","response_data":[["Apple","appl!e",1.0]]}
curl --location --request POST 'https://zylalabs.com/api/11920/optimized+data+similarity+api/22654/dedupe?data=["Apple", "appl!e"]' --header 'Authorization: Bearer YOUR_API_KEY'
| Encabezado | Descripción |
|---|---|
Autorización
|
[Requerido] Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito. |
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento.
El endpoint Dedupe devuelve un objeto JSON que contiene pares de cadenas coincidentes, puntuaciones de similitud y resultados deduplicados opcionales La salida se puede formatear como pares de cadenas, pares de índices o cadenas deduplicadas, dependiendo de la configuración especificada
Los campos clave en los datos de respuesta incluyen "estado" (que indica éxito o error) y "datos_de_respuesta", que contiene los resultados formateados según la solicitud del usuario, como parejas coincidentes o cadenas deduplicadas
Los usuarios pueden personalizar las solicitudes ajustando los parámetros en el objeto "config" como "similarity_threshold" para la estrictedad de coincidencia "remove_punctuation" para el preprocesamiento y "output_format" para elegir la estructura de resultado deseada
Los datos de respuesta están organizados como un array de resultados donde cada entrada corresponde a un partido o una cadena deduplicada Dependiendo del formato de salida las entradas pueden incluir cadenas originales índices y puntuaciones de similitud facilitando una fácil integración en flujos de trabajo
Los casos de uso típicos incluyen la deduplicación de listas de clientes la reconciliación de registros con una lista maestra la limpieza de datos de CRM y la resolución de entidades a través de diferentes fuentes de datos para garantizar la integridad y precisión de los datos
La precisión de los datos se mantiene a través de avanzados algoritmos de emparejamiento difuso que tienen en cuenta problemas comunes de datos como errores tipográficos y diferencias de mayúsculas y minúsculas La API está diseñada para manejar datos desordenados de manera efectiva asegurando resultados de emparejamiento confiables
Los valores de parámetro aceptados incluyen "similarity_threshold" (0 a 1) "remove_punctuation" (booleano) "to_lowercase" (booleano) "use_token_sort" (booleano) y "top_k" (entero o "todo") Estos parámetros permiten a los usuarios personalizar el proceso de coincidencia según sus necesidades específicas
Si el endpoint de Dedupe devuelve resultados parciales o vacíos, los usuarios deben verificar los datos de entrada en busca de problemas de calidad, como duplicados excesivos o umbrales de similitud muy bajos. Ajustar el "umbral_de_similitud" o revisar la lista de entrada puede ayudar a mejorar los resultados
Nivel de Servicio:
100%
Tiempo de Respuesta:
228ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
213ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
182ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
39ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
561ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
75ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.692ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.971ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
293ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.084ms