可扩展的向量相似度API是一个高速度模糊匹配和去重API,专为现实世界中混乱的数据而构建。它帮助您识别近重复记录并对实体进行对账,即使值不完全匹配——拼写错误、大小写差异、缺失标点、空格问题、缩写以及轻微的词序变化。
您只需将字符串(或记录)发送到API,而不是构建和调整自己的模糊匹配管道,就能获得您可以信任的相似性评分匹配。典型输出包括匹配对(例如,“Apple”↔“apple inc.”)、相似性分数和易于纳入数据清理工作流程、CRM、ETL任务和分析管道的结构化结果。
常见用例:
去重列表:查找数据集中重复项(全到全匹配)并返回可能的重复对。
与主列表对账:将传入列表与标准集进行匹配(列表到主列表)。
CRM和客户数据卫生:清理由于重复而破坏报告和外展的潜在客户/账户/公司。
实体解析和记录关联:将对同一现实世界实体的引用跨来源连接。
团队使用它的原因:
即刻处理混乱文本(无需为每个边缘案例手动规则)
用于排名和阈值的相似性分数(您可以选择多严格)
为规模和自动化而构建(设计用于在管道中运行,而不仅仅是一次性脚本)
{"status":"success","response_data":[["Apple","appl!e",1.0]]}
curl --location --request POST 'https://zylalabs.com/api/11919/scalable+vector+similarity+api/22656/dedupe?data=["Apple", "appl!e"]' --header 'Authorization: Bearer YOUR_API_KEY'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。
去重端点返回一个包含匹配字符串对、相似度分数和可选去重结果的JSON对象。输出可以根据指定的配置格式化为字符串对、索引对或去重字符串
响应数据中的关键字段包括“状态”(指示成功或错误)和“响应数据”,其中包含根据用户请求格式化的结果,例如匹配的对或去重的字符串
用户可以通过调整“config”对象中的参数来自定义请求,例如“similarity_threshold”用于匹配严格度,“remove_punctuation”用于预处理,以及“output_format”用于选择所需的结果结构
响应数据被组织为一个结果数组,其中每个条目对应于一个匹配或去重字符串。根据输出格式,条目可能包括原始字符串、索引和相似度分数,便于轻松集成到工作流程中
典型的用例包括去重客户列表、将记录与主列表对账、清理CRM数据以及在不同数据源之间进行实体解析以确保数据完整性和准确性
数据准确性通过先进的模糊匹配算法得以维持,这些算法考虑了常见的数据问题,如拼写错误和大小写差异。该API旨在有效处理混乱数据,确保可靠的匹配结果
接受的参数值包括“similarity_threshold”(0到1),“remove_punctuation”(布尔值),“to_lowercase”(布尔值),“use_token_sort”(布尔值)和“top_k”(整数或“all”)。这些参数允许用户根据具体需求定制匹配过程
如果Dedupe端点返回部分或空结果,用户应该检查输入数据的质量问题,例如过多的重复或非常低的相似性阈值。调整“similarity_threshold”或查看输入列表可以帮助改善结果
服务级别:
100%
响应时间:
215ms
服务级别:
100%
响应时间:
189ms
服务级别:
100%
响应时间:
982ms
服务级别:
100%
响应时间:
2,467ms
服务级别:
100%
响应时间:
493ms
服务级别:
100%
响应时间:
6,394ms
服务级别:
100%
响应时间:
1,291ms
服务级别:
99%
响应时间:
592ms
服务级别:
100%
响应时间:
1,455ms
服务级别:
100%
响应时间:
332ms