py-entitymatching 0.3.2

Py实体匹配

这个项目试图构建一个python软件包来匹配实体 在两张桌子之间使用监督学习。这个问题经常 称为实体匹配（em）。给出两个表A和B，目标是 em是发现两个表之间的元组对，这两个表引用 同样的现实世界实体。实体匹配涉及两个主要步骤： 分块匹配。阻塞步骤旨在消除明显的不匹配 元组对并减少要匹配的集合。实体匹配 实践涉及许多步骤，而不仅仅是阻塞和匹配。执行EM时 用户通常执行许多步骤，例如探索、清理、调试、采样， 估计精度等。但是，当前的电磁系统不包括 em pipeline，只支持几个步骤（例如阻塞、匹配），而 忽略不太知名但同样重要的步骤（例如，去毛刺、取样）。 此软件包旨在支持em pipeline中涉及的所有步骤。

该软件包是免费的，开源的，并且有bsd许可。

重要链接

• 项目主页：https://sites.google.com/site/anhaidgroup/projects/magellan/py_entitymatching
• 代码库：https://github.com/anhaidgroup/py_entitymatching
• 问题跟踪器：https://github.com/anhaidgroup/py_entitymatching/issues

依赖关系

生成包所需的依赖项为：

• pandas（提供存储和管理表的数据结构）。在0.23.2版上测试。
• scikit learn（提供通用机器学习算法的实现）。在0.18.0版上测试。
• joblib（提供多处理功能）。在0.12.0版上测试。
• pyqt5（提供构建gui的工具）。在5.6.0版上测试。
• py_stringsimjoin（提供字符串相似性连接的实现）。在0.3.0版上测试。
• py_stringmatching（提供一组字符串标记器和字符串相似性函数）。在0.4.0版上测试。
• cloudpickle（提供序列化python构造的函数）。在0.2.1版上测试。
• Pyprind（显示进度指示器的库）。在2.10.0版上测试。
• pyparsing（用于分析字符串的库）。在2.2.0版上测试。
• 六个（提供跨Python2和3编写兼容代码的函数）。在2.11.0版上测试。

平台

py-entitymatching已经在linux、os x和windows上进行了测试。