python-2.7 - 让 Dedupe 从现有标签数据中学习

Question

我知道 Dedupe使用主动学习来删除重复项并执行记录链接。

但是，我想知道我们是否可以将已经匹配的对(标签数据)的excel表作为主动学习的输入？

Answer 1

不直接。

您需要将数据转换为 markPairs 的格式可以消费。

类似于:

labeled_examples = {'match'    : [],
                    'distinct' : [({'name' : 'Georgie Porgie'},
                                   {'name' : 'Georgette Porgette'})]
                    }
deduper.markPairs(labeled_examples)

我们确实提供了将电子表格数据转换为这种格式的便捷功能 trainingDataDedupe .

(我是 dedupe 的作者)