将产品分组相同但标题/属性略有不同

Question

我正在向我的网站展示大量产品。 我必须将来自不同网站的类似产品分组， 我已经抓取到我的数据库了。 因此，当搜索产品时，它也会显示来自其他网站的相同产品。

我尝试了以下方法

1. 按产品标题分组

   结果 - 失败，因为索尼Xperia Z，索尼Xperia Z（黑色）是相同的产品但标题不同，所以不能在同一组。所以错误率非常高。

2. 按属性分组：

   具有相似属性和值的产品放在一个组中。 但它非常慢，错误率也很高。 由于来自不同公司的不同产品可能具有相同的属性。

这是最好的方法。 请帮帮我。

提前谢谢。请说英语不好。

Answer 1

我会尝试使用您的分组标题解决方案，但使用RegEx进行修改。或者只使用以下方法：

title1.contains(title2)

title1.startsWith(title2)

没有100％无错误的解决方案，所以我会添加这样的链接： “不是你的产品？点击这里” 从该组暂时删除产品并将其标记为“不确定”，以便您可以手动检查。

Answer 2

您可以使用第一个字母和字典，然后使用mysql全文搜索和相关性排序。问题不是很清楚。还有levensthein距离和soundex（）函数。