我正在使用网络抓取来创建数据集来获取数据。我有一个包含公司名称的“公司”列。我想对这个专栏进行编码，但我不知道如何找到代表同一家公司的句子。
例如：“International Business Machines Corporation”、“IBM”、“IBM India Pvt.Ltd”代表同一家公司。
有什么建议吗？谢谢
NLP中文本数据的编码
数据挖掘
Python
nlp
预处理
相似
文本
2021-09-16 13:56:31
1个回答
这种问题称为记录链接（或有时实体匹配或其他变体）。该任务包括在代表实体（个人或组织）的字符串列表中查找代表相同实际实体的字符串。
有两种主要方法（可以组合）：
- 字符串相似度匹配方法。例如，请参见this question或this one。请注意，如果公司列表很大，也可能存在效率问题：请参阅此问题。
- 数据库或第三方资源。参见例如这个相关的问题。
其它你可能感兴趣的问题