{"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'
साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए स्केलेबल वेक्टर समानता API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
| हेडर | विवरण |
|---|---|
Authorization
|
आवश्यक
होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें।
|
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें।
स्केलेबल वेक्टर समानता एपीआई वास्तविक दुनिया के गंदे डेटा के लिए बनाई गई एक उच्च गति वाली फ़ज़ी मिलान और डेडुप्लीकेशन एपीआई है यह आपको निकट-डुप्लिकेट रिकॉर्ड पहचानने में मदद करती है और संस्थाओं को सुलझाती है भले ही मान सटीक रूप से मेल न खाते हों- टाइपो, केस के अंतर, गायब विराम चिह्न, रिक्ति समस्याएं, संक्षेपण, और शब्द-क्रम परिवर्तन।
अपने स्वयं के फ़ज़ी मिलान पाइपलाइन को बनाने और ट्यून करने के बजाय, आप अपनी स्ट्रिंग (या रिकॉर्ड) एपीआई को भेजते हैं और विश्वसनीय समानता-स्कोर किए गए मिलान प्राप्त करते हैं सामान्य आउटपुट में मेल खाते जोड़े (जैसे, “Apple” ⇔ “apple inc.”), समानता स्कोर, और संरचित परिणाम शामिल होते हैं जिन्हें डेटा क्लीनिंग वर्कफ़्लोज़, सीआरएम, ईटीएल कार्य और विश्लेषण पाइपलाइनों में शामिल करना आसान होता है।
सामान्य उपयोग के मामले:
सूचियों को डेडुप्लिकेट करें: एक डेटासेट के भीतर डुप्लिकेट ढूंढें (सभी-से-सभी मिलान) और संभावित डुप्लिकेट जोड़ें लौटाएं।
मास्टर सूची के खिलाफ सामंजस्य: एक आने वाली सूची को एक मानक सेट से मिलाएं (सूची-से-मास्टर)।
सीआरएम और ग्राहक डेटा स्वच्छता: लीड/खाते/कंपनियों को साफ करें जहां डुप्लिकेट रिपोर्टिंग और संपर्क में बाधा डालते हैं।
संस्थान समाधान एवं रिकॉर्ड लिंकिंग: स्रोतों के बीच समान वास्तविक विश्व संस्था के संदर्भों को जोड़ें।
टीमें इसका उपयोग क्यों करती हैं:
बॉक्स से बाहर गंदे पाठ पर काम करता है (प्रत्येक किनारे मामले के लिए कोई मैन्युअल नियम नहीं)
रैंकिंग और थ्रेशोल्ड्स के लिए समानता स्कोर (आप तय करते हैं कि कितने सख्त होना है)
स्केल और ऑटोमेशन के लिए बनाया गया (पाइपलाइनों में चलाने के लिए डिज़ाइन किया गया, केवल एक बार के स्क्रिप्ट नहीं)
डीडुप प्रारंभ बिंदु एक JSON वस्तु लौटाता है जिसमें मिलान किए गए स्ट्रिंग्स के जोड़े, समानता स्कोर और वैकल्पिक डिडुप्लिकेट परिणाम होते हैं आउटपुट को स्ट्रिंग जोड़े, अनुक्रमांक जोड़े या डिडुप्लिकेटेड स्ट्रिंग्स के रूप में स्वरूपित किया जा सकता है यह निर्दिष्ट कॉन्फ़िगरेशन पर निर्भर करता है
प्रतिक्रिया डेटा में महत्वपूर्ण फ़ील्ड "स्थिति" शामिल है (जो सफलता या त्रुटि को दर्शाती है) और "प्रतिक्रिया_डेटा," जिसमें उपयोगकर्ता के अनुरोध के अनुसार स्वरूपित परिणाम होते हैं जैसे मिलान जोड़े या डुप्लिकेट हटाए गए स्ट्रिंग्स
उपयोगकर्ता "config" ऑब्जेक्ट में "similarity_threshold" जैसे मापदंडों को समायोजित करके अनुरोधों को अनुकूलित कर सकते हैं जिससे मिलान की सतर्कता तय होती है "remove_punctuation" पूर्व-प्रसंस्करण के लिए और "output_format" वांछित परिणाम संरचना चुनने के लिए
प्रतिक्रिया डेटा को परिणामों के एक ऐरे के रूप में व्यवस्थित किया गया है जहां प्रत्येक प्रविष्टि एक मैच या डेडुप्लिकेटेड स्ट्रिंग के लिए है आउटपुट प्रारूप के आधार पर प्रविष्टियों में मूल स्ट्रिंग्स इंडेक्स और समानता स्कोर शामिल हो सकते हैं जिससे कार्यप्रवाह में आसान एकीकरण संभव हो सके
विशिष्ट उपयोग के मामलों में ग्राहक सूचियों को डिडुप्लिकेट करना मुख्य सूची के खिलाफ रिकॉर्ड को संतुलित करना CRM डेटा को साफ करना और विभिन्न डेटा स्रोतों में संस्थाओं को हल करना शामिल है ताकि डेटा की अखंडता और सटीकता सुनिश्चित की जा सके
डेटा सटीकता को उन्नत फजी मिलान एल्गोरिदम के माध्यम से बनाए रखा जाता है जो टाइपिंग त्रुटियों और केस के अंतर जैसी सामान्य डेटा समस्याओं पर ध्यान देता है एपीआई को गंदे डेटा को प्रभावी ढंग से संभालने के लिए डिज़ाइन किया गया है जिससे विश्वसनीय मिलान परिणाम सुनिश्चित होता है
स्वीकृत पैरामीटर मानों में "similarity_threshold" (0 से 1), "remove_punctuation" (बूलियन), "to_lowercase" (बूलियन), "use_token_sort" (बूलियन), और "top_k" (पूर्णांक या "सभी") शामिल हैं ये पैरामीटर उपयोगकर्ताओं को अपनी विशिष्ट आवश्यकताओं के अनुसार मिलान प्रक्रिया को अनुकूलित करने की अनुमति देते हैं
यदि डिडुप समाप्ति आंशिक या खाली परिणाम लौटाती है तो उपयोगकर्ताओं को गुणवत्ता समस्याओं के लिए इनपुट डेटा की जांच करनी चाहिए जैसे अत्यधिक डुप्लिकेट या बहुत कम समानता सीमा समानता_सीमा को समायोजित करना या इनपुट सूची की समीक्षा करना परिणामों में सुधार करने में मदद कर सकता है