Entity Resolution

🚀 实体识别

本项目旨在识别两组数据是否来自同一主体，同时它还是一个支持MCP（模型上下文协议）的服务器，为数据比较提供了强大的支持。

🚀 快速开始

本项目提供了一个数据比较工具，能全面比较两组数据，评估其值的精确和语义相等性，借助文本规范化和语言模型来判断数据是否源自同一主体。

✨ 主要特性

• 文本规范化：将文本转换为小写，移除标点符号，并标准化空格。
• 值比较：对两个值进行精确和语义上的比较（忽略列表元素顺序）。
• JSON遍历：逐个遍历每个JSON对象的键，并比较对应的值。
• 语言模型整合：利用生成式语言模型评估语义相似性，并最终判断数据是否来自同一主体。

📦 安装指南

要使用此工具，请确保安装了必要的依赖项。您可以使用pip进行安装：

pip install genai

💻 使用示例

基础用法

本工具提供了几个核心函数，下面是这些函数的介绍及使用示例：

import json
import genai
import re

# 定义您的JSON对象
json1 = {
    "name": "John Doe",
    "address": "123 Main St, Anytown, USA",
    "hobbies": ["reading", "hiking", "coding"]
}

json2 = {
    "name": "john doe",
    "address": "123 Main Street, Anytown, USA",
    "hobbies": ["coding", "hiking", "reading"]
}

# 比较JSON对象
comparison_results = compare_json(json1, json2)

# 生成最终匹配结果
model1 = genai.GenerativeModel("gemini-2.0-flash-thinking-exp")
result_matching = model1.generate_content("综合这些信息，你认为可以判断两个数据来自同一主体吗？"+json.dumps(comparison_results, ensure_ascii=False, indent=4))
print(result_matching.text)

函数说明

1. normalize_text(text)：

   • 对输入文本进行规范化处理，将其转换为小写，移除标点符号，并标准化空格。

2. compare_values(val1, val2)：

   • 对两个值进行精确和语义上的比较。
   • 如果值是列表，则在语义比较时忽略元素顺序。

3. compare_json(json1, json2)：

   • 逐个键比较两个JSON对象。
   • 使用compare_values评估每个键的值。
   • 整合语言模型来评估语义相似性，并提供最终判断数据是否来自同一主体的结果。

🤝 贡献

欢迎贡献！请打开问题或提交拉取请求。

📄 许可证

该项目采用MIT许可证。有关详细信息，请参阅 LICENSE 文件。

📞 联系方式

如果您有任何问题或建议，请通过以下方式联系我：

• 邮箱：u3588064@connect.hku.hk
• GitHub：u3588064@connect.hku.hk。

微信