Определить алгоритм сопоставления

Question

Я довольно новичок в NLP/ML/Pattern Matching или Recognition. Мне было интересно, что это лучший способ, чтобы соответствовать различные элементы, основанные на названии, описании и т.д. Для например:

Если есть 3 пунктов:

item 1: Title: Belkin bluetooth headset USB - ABD13432 
item 1: Description: This is a bluetooth device with the following specs: 
75 W power, 3.5 mm jack, etc 
item 1: Model NO: ABD13432 
item 1: UPC Code: 000000022221 
item 1: product image: <img1> 

item 2: Title: Belkin headset: 
item 2: Description: This is a device that works on RF, and has 2.5 mm jack with 25 W power 
item 2: Model No: 13432 
item 2: UPC Code: 000022022221 
item 2: product image: <img1> 

item 3: Title: Belkin headset wireless - ABD 13432 
item 3: Description: World's best headphone 
item 3: Model No: ABD-13432 
item 3: UPC Code: 000000022221 
item 3: product image: <img1> 

пункт 1 и пункт 3 являются одинаковыми и пункт 2 - другой. Код UPC, как правило, отличный индикатор, если он является одним и тем же предметом, но проблема заключается в том, что продавец может ввести любой код UPC, который он хочет. Но совпадение изображений не обязательно является хорошим индикатором, поскольку продавец может ввести любое изображение, которое он хочет.

Answer 1

В этом конкретном случае модель No и UPC явно вносят больше веса, чем другие функции.

Когда элементы имеют разные модели No или UPC, вы можете рассмотреть семантическое сходство для коротких предложений как еще одну функцию для вашего алгоритма обучения.

Возможно, вы захотите посмотреть this paper. Поскольку ваш случай находится в домене продукта/электронной коммерции, вы можете захотеть создать собственный домен, кроме использования общего wordnet.