如何匹配来自不同电子商务来源的产品？提取产品的属性

Question

这是我的第二个问题，所以，如果有任何错误，请道歉。

我的主要目标是从不同的电子商务网站收集数据，然后比较它们之间的数据。为此，我需要匹配来自不同站点的相同产品。由于不同的网站以不同的方式写标题，我需要从标题中提取产品的属性以正确匹配。我使用scrapy收集了数据，但无法匹配来自不同网站的相同产品。

我的尝试：

首先，我收集品牌，型号等，然后以传统方式匹配标题。但它没有工作，因为无法收集所有的模型名称进行比较。另外，不同类别的产品属性不同，不相似。我试图找到适用于各种产品的解决方案。哪些可以学习和识别品牌，型号，属性（RAM，英寸，ROM，相机等）

我还尝试应用机器学习但不了解哪种方法适合我的需要。大多数文本分类方法对类别进行分类而不是提取属性。

我也读过MALLET。但不确定这是否能解决我的问题。还尝试了scikit-学习这个tutorial。

来自不同网站的示例产品标题。 三星Galaxy S9 Plus

• 三星Galaxy S9 Plus配备免费无线充电器和5GB Banglalink数据 - pickaboo
• SAMSUNG GALAXY S9 PLUS - kiksha
• 三星Galaxy S9 + - mobiledokan
• 三星Galaxy S9 Plus - 智能手机 - 6.2“ - 6GB内存 - 64GB ROM - 12万像素相机 - 丁香紫 - daraz

请分享我怎样才能解决这个问题，哪种方式最好。并且如果可能的话，分享类似目标的一些链接或资源。

Answer 1

使用sentence2vec或word2vec库将文本转换为向量。之后使用矢量之间的余弦相似性。

保持一些相似性的阈值，或者具有最大相似度值的矢量将是匹配的产品。

你可以比较那些。