{"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'
Após se cadastrar, cada desenvolvedor recebe uma chave de acesso à API pessoal, uma combinação única de letras e dígitos para acessar nosso endpoint de API. Para autenticar com a Similaridade Vetorial Escalável API basta incluir seu token Bearer no cabeçalho Authorization.
| Cabeçalho | Descrição |
|---|---|
Authorization
|
Obrigatório
Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito.
|
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento.
API de Similaridade Vetorial Escalável é uma API de correspondência aproximada e deduplicação em alta velocidade, construída para dados do mundo real e bagunçados. Ela ajuda a identificar registros quase duplicados e reconciliar entidades, mesmo quando os valores não correspondem exatamente—erros de digitação, diferenças de maiúsculas e minúsculas, pontuação faltando, problemas de espaçamento, abreviações e mudanças menores na ordem das palavras.
Em vez de construir e ajustar seu próprio pipeline de correspondência aproximada, você envia suas strings (ou registros) para a API e recebe de volta correspondências pontuadas por similaridade em que você pode confiar. As saídas típicas incluem pares correspondentes (por exemplo, “Apple” ↔ “apple inc.”), pontuações de similaridade e resultados estruturados que são fáceis de integrar em fluxos de trabalho de limpeza de dados, CRMs, jobs de ETL e pipelines de análise.
Casos de uso comuns:
Deduplicar listas: encontrar duplicatas dentro de um conjunto de dados (correspondência total) e retornar pares provavelmente duplicados.
Reconciliação contra uma lista mestre: combinar uma lista recebida a um conjunto canônico (lista para mestre).
Higiene de dados de CRM e clientes: limpar leads/contas/empresas onde duplicatas prejudicam relatórios e abordagens.
Resolução de entidades e vinculação de registros: conectar referências à mesma entidade do mundo real em diferentes fontes.
Por que as equipes usam:
Funciona com texto bagunçado desde o primeiro uso (sem regras manuais para cada caso especial)
Pontuações de similaridade para classificação e limites (você escolhe quão rigoroso ser)
Construído para escala e automação (projetado para rodar em pipelines, não apenas scripts isolados)
O endpoint Dedupe retorna um objeto JSON contendo pares de strings correspondentes, pontuações de similaridade e resultados deduplicados opcionais A saída pode ser formatada como pares de strings, pares de índices ou strings deduplicadas, dependendo da configuração especificada
Campos principais nos dados de resposta incluem "status" (indicando sucesso ou erro) e "response_data", que contém os resultados formatados de acordo com a solicitação do usuário, como pares correspondentes ou strings deduplicadas
Os usuários podem personalizar solicitações ajustando parâmetros no objeto "config", como "similarity_threshold" para a rigorosidade da correspondência, "remove_punctuation" para pré-processamento e "output_format" para escolher a estrutura de resultado desejada
Os dados da resposta estão organizados como um array de resultados onde cada entrada corresponde a uma correspondência ou string deduplicada Dependendo do formato de saída as entradas podem incluir strings originais índices e pontuações de similaridade facilitando a integração em fluxos de trabalho
Casos de uso típicos incluem a deduplicação de listas de clientes a reconciliação de registros com uma lista mestre a limpeza de dados de CRM e a realização de resolução de entidades em diferentes fontes de dados para garantir a integridade e precisão dos dados
A precisão dos dados é mantida através de avançados algoritmos de correspondência difusa que levam em conta problemas comuns de dados como erros de digitação e diferenças de maiúsculas e minúsculas A API é projetada para lidar com dados desordenados de forma eficaz garantindo resultados de correspondência confiáveis
Os valores de parâmetros aceitos incluem "similarity_threshold" (0 a 1), "remove_punctuation" (booleano), "to_lowercase" (booleano), "use_token_sort" (booleano) e "top_k" (inteiro ou "todos"). Esses parâmetros permitem que os usuários personalizem o processo de correspondência de acordo com suas necessidades específicas
Se o endpoint Dedupe retornar resultados parciais ou vazios os usuários devem verificar os dados de entrada em busca de problemas de qualidade como duplicatas excessivas ou limiares de similaridade muito baixos Ajustar o "similarity_threshold" ou revisar a lista de entrada pode ajudar a melhorar os resultados