实体识别

识别两组数据是否来自同一主体。

这是一个支持MCP（模型上下文协议）服务器。

数据比较工具

该工具提供了一种全面的方式，用于比较两组数据，评估其值的精确相等和语义相等。它通过文本规范化和语言模型来判断数据是否来自同一主体。

功能

• 文本规范化：将文本转换为小写，移除标点符号，并标准化空白字符。
• 值比较：对两个值进行精确比较和语义比较（忽略列表顺序）。
• JSON遍历：逐个键地遍历JSON对象，并比较对应的值。
• 语言模型集成：使用生成式语言模型评估语义相似性，并最终判断数据是否来自同一主体。

安装

要使用此工具，请确保安装了必要的依赖项。您可以使用pip进行安装：

pip install genai

使用方法

函数

1. normalize_text(text)：

   • 对输入文本进行规范化处理，包括转换为小写、移除标点符号和标准化空白字符。

2. compare_values(val1, val2)：

   • 对两个值进行精确比较和语义比较。
   • 如果值是列表，则忽略顺序进行语义比较。

3. compare_json(json1, json2)：

   • 比较两个JSON对象的每个键。
   • 使用compare_values评估每个键的值。
   • 整合语言模型来评估语义相似性并做出最终判断。

示例

import json
import genai
import re

# 定义您的JSON对象
json1 = {
    "name": "John Doe",
    "address": "123 Main St, Anytown, USA",
    "hobbies": ["reading", "hiking", "coding"]
}

json2 = {
    "name": "john doe",
    "address": "123 Main Street, Anytown, USA",
    "hobbies": ["coding", "hiking", "reading"]
}

# 比较JSON对象
comparison_results = compare_json(json1, json2)

# 生成最终匹配结果
model1 = genai.GenerativeModel("gemini-2.0-flash-thinking-exp")
result_matching = model1.generate_content("综合这些信息，你认为可以判断两个数据来自同一主体吗？"+json.dumps(comparison_results, ensure_ascii=False, indent=4))
print(result_matching.text)

贡献

欢迎贡献！请打开问题或提交拉取请求。

许可证

该项目在MIT许可证下发布。有关详细信息，请参阅LICENSE文件。

联系方式

如果您有任何问题或建议，请联系我：

• 邮件：u3588064@connect.hku.hk
• GitHub：u3588064@connect.hku.hk

微信