zingg

zingg

旨在解决现代数据系统中的重复记录问题的基于机器学习的实体解析工具

Zingg是一款基于机器学习的实体解析工具,旨在解决现代数据系统中的重复记录问题。通过概率匹配和确定性匹配,Zingg可以高效整合分散的数据源,建立统一视图,适用于客户数据去重、身份解析和合规场景。它支持多种数据连接方式,从本地到云端,支持多语言环境。通过互动式训练数据生成器,Zingg能快速建立高精度模型,实现快速部署,提升数据仓库和数据湖的分析能力,为客户分析和欺诈检测等提供可靠的数据基础。

Zingg数据整合机器学习客户分析实体解析Github开源项目

Zingg 项目简介

项目背景

现代数据处理中,经常遇到多个不同源系统中存在同一客户的多项记录的问题。这些记录跨字段存在着差异,随着数据量的增加,整合它们变得愈发困难。这种情况会对客户分析造成影响,因为未能关联的基础数据会阻碍对客户终身价值、忠诚度计划或市场渠道的评估。此外,当数据仓库的维度表中出现重复项时,数据的准确性也会大打折扣。

Zingg 的解决方案

Zingg 提供了一种高效且可扩展的解决方案,以帮助数据分析工程师和数据科学家整合数据孤岛,从而建立大规模统一视图。Zingg 不仅具备概率匹配能力,也就是模糊匹配,还支持在身份识别和家庭团聚应用中的确定性匹配。

Zingg 的优势

  • 多实体支持:Zingg 可以处理任何实体,如客户、患者、供应商、产品等。
  • 连接多种数据源:支持本地和云文件系统、企业应用以及各种关系型、NoSQL 和云数据库。
  • 大数据支持:Zingg 可以轻松扩展到大数据量的场景。
  • 互动式训练数据生成:通过主动学习,Zingg 能够使用极少的训练样本实现高精度模型。
  • 自定义域特定函数:提升匹配精度。
  • 多语言支持:原生支持英语、中文、泰语、日语、印地语等语言。

应用场景

  • 跨系统构建统一可信的客户和供应商视图
  • 反洗钱 (AML)、了解你的客户 (KYC) 及其他欺诈和合规场景中的大规模实体解析
  • 数据去重及质量提升
  • 身份识别
  • 在并购时整合数据孤岛
  • 从外部资源丰富数据
  • 建立客户家庭关系

Zingg 的模型

Zingg 学习构建了两类模型:

  1. 阻塞模型:在大规模数据处理中,由于需要的比较数量是输入记录数量的平方,Zingg 通过学习一个聚类/阻塞模型来索引相似记录,减少比较工作负载。

  2. 相似性模型:用于预测记录对是否匹配。相似性模型仅在每个阻塞/聚类内运行,以应对更大数据集的任务。

如何开始使用 Zingg

Zingg 提供了一种简单易行的启动方式,即通过 Docker 使用预构建的模型:

docker pull zingg/zingg:0.4.0 docker run -it zingg/zingg:0.4.0 bash ./scripts/zingg.sh --phase match --conf examples/febrl/config.json

通过这些命令,用户可以快速上手体验 Zingg 的功能。详细指南可参见 Zingg 的逐步引导文档。

Zingg 的团队和社区

Zingg 是由 Zingg.AI 团队开发的。Zingg 社区活跃,用户可以通过 Slack 参与讨论,或者在 GitHub 上提交 Bug 报告及功能请求。

作为开源软件,Zingg 遵循 AGPL v3.0 许可证,用户可以自由分发和修改 Zingg,并创建定制解决方案。

欢迎更多的开发者参与到 Zingg 的开发和改进中,共同推动 Zingg 在数据治理领域的加速创新。

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多