{"status":"success","response_data":[["Apple","appl!e",1.0]]}
curl --location --request POST 'https://zylalabs.com/api/11915/real+time+similarity+api/22652/dedupe?data=["Apple", "appl!e"]' --header 'Authorization: Bearer YOUR_API_KEY'
Después de registrarte, a cada desarrollador se le asigna una clave de acceso a la API personal, una combinación única de letras y dígitos proporcionada para acceder a nuestro endpoint de la API. Para autenticarte con el Similitud en Tiempo Real API simplemente incluye tu token de portador en el encabezado de Autorización.
| Encabezado | Descripción |
|---|---|
Autorización
|
Requerido
Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito.
|
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento.
API de Similitud en Tiempo Real es una API de coincidencia difusa y deduplicación de alta velocidad diseñada para datos reales y desordenados. Te ayuda a identificar registros casi duplicados y reconciliar entidades incluso cuando los valores no coinciden exactamente—errores tipográficos, diferencias en mayúsculas y minúsculas, puntuación faltante, problemas de espaciado, abreviaturas y cambios menores en el orden de las palabras.
En lugar de construir y ajustar tu propio pipeline de coincidencia difusa, envías tus cadenas (o registros) a la API y recibes coincidencias clasificadas por similitud en las que puedes confiar. Las salidas típicas incluyen pares coincidentes (por ejemplo, “Apple” ⇔ “apple inc.”), puntajes de similitud y resultados estructurados que son fáciles de integrar en flujos de trabajo de limpieza de datos, CRMs, trabajos ETL y pipelines de análisis.
Casos de uso comunes:
Deduplicar listas: encontrar duplicados dentro de un conjunto de datos (coincidencia de todos a todos) y devolver pares probablemente duplicados.
Reconciliar contra una lista maestra: hacer coincidir una lista entrante con un conjunto canónico (lista a maestro).
Higiene de datos de CRM y clientes: limpiar leads/cuentas/empresas donde los duplicados rompen la generación de informes y el alcance.
Resolución de entidades y vinculación de registros: conectar referencias a la misma entidad del mundo real a través de fuentes.
Por qué los equipos lo utilizan:
Funciona con texto desordenado desde el primer momento (sin reglas manuales para cada caso particular)
Puntajes de similitud para clasificación y umbrales (tú eliges cuán estricto ser)
Construido para escalar y automatizar (diseñado para funcionar en pipelines, no solo en scripts puntuales)
El endpoint Dedupe devuelve un objeto JSON que contiene pares de cadenas emparejados, puntuaciones de similitud y resultados deduplicados opcionales La salida se puede formatear como pares de cadenas, pares de índices o cadenas deduplicadas dependiendo de la configuración especificada
Los campos clave en los datos de respuesta incluyen "estado" (que indica éxito o error) y "datos_de_respuesta," que contiene los resultados formateados de acuerdo con la solicitud del usuario, como pares coincidentes o cadenas desduplicadas
Los usuarios pueden personalizar las solicitudes ajustando parámetros en el objeto "config" como "similarity_threshold" para la estricta coincidencia "remove_punctuation" para el preprocesamiento y "output_format" para elegir la estructura de resultado deseada
Los datos de respuesta están organizados como un array de resultados donde cada entrada corresponde a un partido o cadena desduplicada Dependiendo del formato de salida las entradas pueden incluir cadenas originales índices y puntajes de similitud facilitando una fácil integración en los flujos de trabajo
Los casos de uso típicos incluyen la deduplicación de listas de clientes la conciliación de registros con una lista maestra la limpieza de datos de CRM y la resolución de entidades a través de diferentes fuentes de datos para garantizar la integridad y precisión de los datos
La precisión de los datos se mantiene a través de avanzados algoritmos de coincidencia difusa que tienen en cuenta problemas comunes de datos como errores tipográficos y diferencias de mayúsculas y minúsculas La API está diseñada para manejar datos desordenados de manera efectiva asegurando resultados de coincidencia confiables
Los valores de parámetros aceptados incluyen "similarity_threshold" (0 a 1), "remove_punctuation" (booleano), "to_lowercase" (booleano), "use_token_sort" (booleano) y "top_k" (entero o "todos"). Estos parámetros permiten a los usuarios personalizar el proceso de coincidencia según sus necesidades específicas
Si el punto final de Dedupe devuelve resultados parciales o vacíos, los usuarios deben verificar los datos de entrada en busca de problemas de calidad, como duplicados excesivos o umbrales de similitud muy bajos. Ajustar el "umbral_de_similitud" o revisar la lista de entrada puede ayudar a mejorar los resultados