python-2.7 - 让 Dedupe 从现有的标签数据中学习

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带有已匹配对（标签数据）的 excel 表作为主动学习的输入传递？

Answer 1

不是直接的。

您需要将数据转换为markPairs可以使用的格式。

就像是：

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利功能trainingDataDedupe。

（我是 dedupe 的作者）