数据集成问题-如何集成相似实体

Question

我有一个数据库，在同一张表中有非常相似的行。 这些行相似，因为它们的列值几乎相等。 我需要将那些相应的行集成为一行。

例如，应该集成这两个用户（u1和u2）：

 u1 = User(name = "William Henry Gates III",
           age = 55,
           nationality = "american",
           alma_mater = "Harvard Univesity")

 u2 = User(name: "William Henry 'Bill' Gates III",
           age: 55,
           nationality: "America",
           alma_mater: "Harvard U.")

我正在考虑使用一些编辑距离和词根提取技术。 其他算法和技术建议？ 有什么有用的库可供使用（最好是Python或Java）？

Answer 1

被认为像精炼 ？