数据集成问题 - 如何集成类似实体

Question

我有一个数据库，在同一个表中有非常相似的行。这些行类似，因为它们具有几乎相等的列值。我需要将这些相应的行集成到一行中。

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edit distance和stemming技术。其他算法和技术建议？任何有用的库（最好是Python或Java）？

Answer 1

考虑像Refine？