怎么样判断两个商品相似或者相同
既然有了物品的 ID 了，就可以用这些 ID 作为物品的主键存在数据库里面，然后其他信息作为对应的属性。其实用物品描述信息就可以看两个东西是否相同了。说白了，其实你要做的是比较两段文本的相似度。把每个物品的描述信息当做一篇文章，然后物品 ID 就当做是文章的标题吧。这些有着不同标题的文章的内容大同小异，现在需要做的是处理这些文章，看这些文章的相似度。如果相似度达到了你预先规定的一个阈值，那么就判断这两个物品相似，你可以在数据库里面加一个外键，连接这两个电商网站上得两个 ID。判断文章相似度的具体过程如下：由于计算机算法是不懂中文和英文的，所以要把文字转化为算法可以处理的数字。首先，要对这些文本描述做一些处理，把描述中的中文、英文和数字保留，其他的符号都要去掉（关于数字是否保留，还需要根据你的要求具体决定）。分词，由于中文没有天然的断字，所以需要通过算法把中文的词分开。把物品描述中的常用的没有意义的词去掉，比如「的，地，得」和英文中 "a, the, of" 之类的词，这类词统称为「停用词」，中英文都有对应的列表，找来直接用就好了。建立字典。给每个中文词和英文词分配一个 ID，这样就建立了一个数字与单词之间的对应关系，就可以用数字来表示单词了。将物品描述中的单词都替换成对应的数字。构建特征，由于物品描述都不是很长，所以对每个单词计数，然后利用字典中词的顺序，将每个物品描述都转化为一个向量。如果字典中有1000个词，那么每个物品描述都是一个1000维的向量。对于特定的某一篇物品描述，包含了哪个单词，就在对应的位置上标记这个单词出现的次数，没有出现的就标0。这样，每个物品描述都被表示成一个1000维的向量。计算向量间的余弦距离。如果高于设定的阈值，那么就认为这两个物品描述是一致的。 【怎么样判断两个商品相似或者相同】 上述所说的步骤都可以用 Python 实现，当然其他语言也可以，只是 Python 比较适合处理文本，而且上面所有的步骤早就有人写好了，在网上搜一下就能找到代码，可以直接拿来用。
■网友
根据物品的描述信息（标题中的品牌、型号），涉及分词算法和正则表达式。如果两个电商网站都是大型电商的话，热门商品的匹配率估计还是较高的。
推荐阅读
- 出入口■注意了！南京地铁两个出入口将临时封闭
- 有必要重新开个C店吗
- 耻骨|韧带痛、耻骨也痛，从来没有这么痛过，痛了两个多星期了！”厦门孕妈崩溃：“孕晚期各种不舒服
- dart这编程语言现在发展怎么样了，语法与Java，c#很相似，甚至更简洁
- 青年|一汽奔腾T77怎么样？车主吐槽：后排座椅太短，和坐小板凳似的
- 电商网站支付流程的流失率是怎么样的从用户点击充值/支付按钮，到支付完成，其中每一步的流失比率都是咋样的
- 作为一个服装供应商，怎么样与淘宝卖家沟通才能卖出自己的产品或者拿到订单
- 在丁丁租房工作的感受是怎么样的
- 城市数据团是怎么样一个团队
- win7中本地连接跟无线网卡同时使用时是怎么样的模式