{"status":"success","response_data":[["Apple","appl!e",1.0]]}
curl --location --request POST 'https://zylalabs.com/api/11919/scalable+vector+similarity+api/22656/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 Vectorial Escalable 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.
Empresas líderes confían en nosotros
API de similitud de vectores escalables es una API de coincidencia difusa y deduplicación de alta velocidad diseñada para datos del mundo real y desordenados Ayuda a identificar registros casi duplicados y reconciliar entidades incluso cuando los valores no coinciden exactamente errores tipográficos diferencias de mayúsculas signos de puntuación faltantes problemas de espacio abreviaturas y cambios menores en el orden de las palabras
En lugar de construir y ajustar su propia canalización de coincidencia difusa envía sus cadenas (o registros) a la API y recibe coincidencias puntuadas en similitud en las que puede confiar Las salidas típicas incluyen pares coincidentes (por ejemplo “Apple” ↔ “apple inc.”) puntuaciones de similitud y resultados estructurados que son fáciles de integrar en flujos de trabajo de limpieza de datos CRM trabajos ETL y canalizaciones de análisis
Casos de uso comunes:
Deduplicar listas: encontrar duplicados dentro de un conjunto de datos (coincidencia todo-a-todo) y devolver pares de duplicados probables
Reconcilia contra una lista maestra: emparejar una lista entrante con un conjunto canónico (lista-a-maestra)
Higiene de datos de CRM y clientes: limpiar prospectos/cuentas/empresas donde los duplicados rompen la información y el alcance
Resolución de entidades y vinculación de registros: conectar referencias a la misma entidad del mundo real a través de las fuentes
Por qué los equipos lo utilizan:
Funciona con texto desordenado desde el primer momento (sin reglas manuales para cada caso especial)
Puntuaciones de similitud para clasificación y umbrales (usted elige cuán estricto ser)
Construido para escalar y automatizar (diseñado para ejecutarse en canalizaciones no solo en scripts puntuales)
El endpoint Dedupe devuelve un objeto JSON que contiene pares de cadenas coincidentes, puntajes de similitud y resultados deduplicados opcionales La salida se puede formatear como pares de cadenas, pares de índices o cadenas deduplicadas, según 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 coincididos o cadenas desduplicadas
Los usuarios pueden personalizar las solicitudes ajustando los parámetros en el objeto "config" como "similarity_threshold" para la estrictitud de 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 deduplicada Dependiendo del formato de salida las entradas pueden incluir cadenas originales índices y puntuaciones de similitud facilitando la integración en flujos de trabajo
Los casos de uso típicos incluyen la desduplicación de listas de clientes la conciliación 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 fiables
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 adaptar el proceso de coincidencia a sus necesidades específicas
Si el endpoint de Dedupe devuelve resultados parciales o vacíos, los usuarios deben revisar los datos de entrada por problemas de calidad, como duplicados excesivos o umbrales de similitud muy bajos. Ajustar el "similarity_threshold" o revisar la lista de entrada puede ayudar a mejorar los resultados