我有一个有点高水平的问题，所以我会尽量具体。
我正在进行大量研究，涉及将不同的数据集与引用同一实体（通常是公司或金融证券）的标题信息相结合。这种记录链接通常涉及标题信息，其中名称是唯一常见的主要标识符，但通常可以使用一些辅助信息（例如城市和州、操作日期、相对大小等）。这些匹配通常是一对多的，但也可能是一对一的，甚至是多对多的。我通常是手动完成这种匹配，或者对已清理的子字符串进行非常基本的文本比较。我偶尔会使用一个简单的匹配算法，比如 Levenshtein 距离测量，但我没有从中得到太多，部分原因是我没有一个好的正式的应用方法。
我的猜测是，这是一个相当普遍的问题，并且必须已经开发了一些正式的流程来完成此类事情。我已经阅读了一些关于该主题的学术论文，这些论文涉及给定方法的理论适用性，但我还没有找到任何好的资源来介绍配方或至少是一个实用的框架。
我的问题如下：
有谁知道实现多维模糊记录匹配的良好来源，例如书籍或网站或已发表的文章或工作论文？
我更喜欢有实际例子和明确方法的东西。
该方法可以是迭代的，在中间阶段进行人工检查以进行改进。
（编辑）链接数据用于统计分析。因此，一点点噪音是可以的，但是对于更少的“不正确匹配”而不是更少的“不正确的不匹配”有强烈的偏好。
如果他们在 Python 中，那就太棒了，但不是必需的。
最后一件事，如果重要的话，是我不太关心计算效率。我没有动态实现这一点，我通常处理几千条记录。