Dedupe is a machine learning tool for entity resolution that identifies and merges duplicate records in structured datasets. It uses active learning to train a matching model from human-labeled examples, learning which field-level similarities are most important for detecting duplicates without requiring manual rule writing. The system combines fingerprint-based blocking to reduce pairwise comparisons, enabling efficient matching on large datasets, and groups scored record pairs into clusters using a configurable similarity threshold. The tool provides multiple interfaces for different workfl
Libpostal هي مكتبة C مصممة لتحليل وتطبيع العناوين الدولية. تستخدم معالجة اللغات الطبيعية (NLP) الإحصائية ومصنف لغات لتفكيك سلاسل العناوين العالمية غير المهيكلة إلى مكونات منظمة، وتوحيد عناوين الشوارع من خلال توسيع الاختصارات وحل اختلافات التسمية الإقليمية عبر لغات متعددة.
الميزات الرئيسية لـ openvenues/libpostal هي: Address Parsing, Address Language Classifiers, Probabilistic Sequence Taggers, Language Detection, Address Normalizations, Abbreviation Expansions, Language Classifiers, Data Cleaning Procedures.
تشمل البدائل مفتوحة المصدر لـ openvenues/libpostal: dedupeio/dedupe — Dedupe is a machine learning tool for entity resolution that identifies and merges duplicate records in structured… appelmar/gdalcubes — Creating and analyzing Earth observation data cubes in R. carlren/gslicr — gSLICr: Real-time super-pixel segmentation. connormanning/entwine — Entwine - point cloud organization for massive datasets. ahhz/raster — C++ library for geographical raster data analysis. cosmiq/yolt — You Only Look Twice: Rapid Multi-Scale Object Detection In Satellite Imagery.