MarkLogic - 检测相似/重复的名称

Question

我有很多来自不同来源的文件。他们中的许多人都引用了公司名称，但可能存储的信息略有不同。名称是文档中的字段。

我希望能够检测到相同名称的变体，例如：

• Ajax Company Incorporated
• Ajax Co. Inc.
• Ajax Company Inc。
• Ajax Company
• Ajax公司（前身为Ajax Unlimited）
• 等

MarkLogic是否有任何设施来查询具有类似＆＃34;类似的文件？名字如上？我不确定我是否应该寻找更具技术性的术语。优选地用于节点客户端API或服务器端js。

Answer 1

您可以尝试或组合使用多种选项：

• 使用同义词库扩展将搜索其中一个术语扩展到其他任何术语。您可以将语义用于使用owl:sameAs三元组的语义，或者您可以使用MarkLogic thsr library。
• 使用上述词库或本体中的反向查找在摄取时标准化您的数据。您可以标记找到的匹配项，并将标准化名称添加为标准化术语搜索的属性。您可以采用相同的方式规范化搜索条件。
• 在摄取名称中的每个标记上使用spell:double-metaphone，并在搜索字词上使用进行搜索，而不是使用真实姓名进行搜索。

在这种情况下，搜索字词扩展听起来最为直截了当，特别是因为您所说的仅仅是拼写“公司”和“公司”等术语的差异。

HTH！