API de similitud es una API de emparejamiento difuso y deduplicación de alta velocidad diseñada para datos desordenados y del mundo real Te ayuda a identificar registros casi duplicados y a reconciliar entidades incluso cuando los valores no coinciden exactamente—errores tipográficos, diferencias de 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 propia tubería de emparejamiento difuso, envías tus cadenas (o registros) a la API y recibes coincidencias con puntajes de 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, CRM, trabajos de ETL y tuberías 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: emparejar una lista entrante con un conjunto canónico (lista a maestra)
Higiene de datos de CRM y clientes: limpiar leads/cuentas/empresas donde los duplicados interfieren con los informes y el contacto
Resolución de entidades y enlace 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 principio (sin reglas manuales para cada caso extremo)
Puntajes de similitud para clasificación y umbrales (tú eliges cuán estricto ser)
Construido para escalar y automatizar (diseñado para funcionar en tuberías, no solo en scripts puntuales)
{"status":"success","response_data":[["Apple","appl!e",1.0]]}
curl --location --request POST 'https://zylalabs.com/api/11895/similarity+api/22607/dedupe?data=["Apple", "appl!e"]' --header 'Authorization: Bearer YOUR_API_KEY'
| 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. La Prueba Gratuita incluye hasta 50 solicitudes.
El endpoint Dedupe devuelve un objeto JSON que contiene pares de cadenas emparejados, puntajes de similitud y resultados deduplicados opcionales La salida puede ser formateada 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 rigurosidad de coincidencias "remove_punctuation" para el preprocesamiento y "output_format" para elegir la estructura de resultado deseada
Los datos de respuesta están organizados como un arreglo 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 puntuaciones de similitud facilitando una fácil integración en flujos de trabajo
Los casos de uso típicos incluyen la deduplicación de listas de clientes la reconciliación de registros contra 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 parámetro 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 endpoint Dedupe devuelve resultados parciales o vacíos, los usuarios deben comprobar 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
Nivel de Servicio:
100%
Tiempo de Respuesta:
449ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
704ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.015ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
603ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
542ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
586ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
326ms
Nivel de Servicio:
83%
Tiempo de Respuesta:
334ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
393ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
393ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.481ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
4.846ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
5.444ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
5.539ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
4.715ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
4.269ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.548ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.465ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.141ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
482ms