معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Extensible entity resolution framework

ویژگی	مقدار
سیستم عامل	-
نام فایل	entity-resolution-0.1.0
نام	entity-resolution
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Carl Best
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/entity-resolution/
مجوز	-

# ResolvER ResolvER is an extensible framework for building Entity Resolution pipelines in order to merge datasets around "things" based on complex join logic and transitive linking. Entity Resolution is a complex and computationally expensive process. ResolvER seeks to provide tools that cover the majority of use cases, the ability to enhance those tools with machine learning, and leverage developers' experiential knowledge of data to provide a flexible and efficient solution to the Entity Resolution problem. ## Quick/Simple Example The University of Leipzig provides [test datasets](https://dbs.uni-leipzig.de/research/projects/object_matching/benchmark_datasets_for_entity_resolution) for Entity Resolution, let's say you're working with the DBLP-ACM dataset. The dataset provides two files, both describing published papers, with similar columns: * A unique id (unique to that file only) * A title * A list of authors * A venue * A year The titles vary slightly between files, and different authors may be listed for a given paper - in short, there's no clean or consistent way to deduplicate the data. Using ResolvER, you can specify any number of complex operations to determine whether two given records are duplicates of each other in what are called "Strategies." One such strategy may be: * `title` has Levenshtein ratio of at least 0.9 AND * `authors` has Jaccard distance of at least 0.4 AND * `year` is an exact match ## In Depth examples For more in depth workflows and explanations of the methodology, reference the [notebooks](./notebooks) folder. ## Install Install the latest version of ResolvER: ```shell $ pip install entity-resolution ``` ## Research ResolvER is (most notably) inspired by the below publications: * [Collective Entity Resolution in Relational Data](https://www.norc.org/pdfs/may%202011%20personal%20validation%20and%20entity%20resolution%20conference/collective%20entity%20resolution%20in%20relational%20data_pverconf_may2011.pdf) * [Comparative Analysis of Approximate Blocking Techniques for Entity Resolution](http://www.vldb.org/pvldb/vol9/p684-papadakis.pdf) ## License Released under standard MIT license (see LICENSE.txt): ``` Copyright (c) 2021 ResolvER Developers Carl Best ```

نیازمندی

مقدار	نام
<0.19,>=0.18.0	Levenshtein
<3.0,>=2.7	networkx
<2.0,>=1.22	numpy
<2.0,>=1.3.0	pandas
>=1.0.0	scikit-learn
<2.0,>=1.8	scipy

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl entity-resolution-0.1.0:

pip install entity-resolution-0.1.0.whl

نصب پکیج tar.gz entity-resolution-0.1.0:

pip install entity-resolution-0.1.0.tar.gz