API de similitud ultrarrápida es una API de coincidencia difusa y desduplicación de alta velocidad diseñada para datos desordenados y del mundo real. Te ayuda a identificar registros casi duplicados y a reconciliar entidades incluso cuando los valores no coinciden exactamente—errores tipográficos, diferencias de mayúsculas, puntuación faltante, problemas de espacios, abreviaciones y cambios menores en el orden de las palabras.
En lugar de construir y ajustar tu propio pipeline de coincidencia difusa, envías tus cadenas (o registros) a la API y obtienes coincidencias con puntuaciones de similitud en las que puedes confiar. Las salidas típicas incluyen pares emparejados (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 pipelines de análisis.
Casos de uso comunes:
Desduplicar listas: encontrar duplicados dentro de un conjunto de datos (coincidencia todo-a-todo) y devolver pares de duplicados probables.
Reconciliar 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 afectan los informes y la búsqueda.
Resolución de entidades y vinculación de registros: conectar referencias a la misma entidad del mundo real a través de fuentes.
Por qué los equipos lo usan:
Funciona con texto desordenado de inmediato (sin reglas manuales para cada caso extremo)
Puntuaciones de similitud para clasificación y umbrales (tú eliges cuán estricto ser)
Diseñado para escala y automatización (diseñado para funcionar en pipelines, no solo en scripts únicos)
Dedupe es un punto final de coincidencia difusa de todos a todos para encontrar duplicados dentro de una sola lista de cadenas. En lugar de comparar solo dos entradas por llamada a la API, envías un conjunto de datos y devuelve pares similares y/o grupos deduplicados en todo el conjunto.
Por qué lo usarías
Aceleración masiva: típicamente ~300× a 1,000× más rápido que los enfoques “regulares” que la gente prueba primero (comparaciones por pares, bucle de puntuadores difusos, etc.) una vez que superas listas pequeñas.
Limpieza opcional incorporada: puedes habilitar la limpieza de texto común (minúsculas, eliminación de puntuación, ordenación de tokens). Esto ahorra horas (o días) de desarrollo + mantenimiento continuo.
Sufijos de empresa manejados automáticamente: finales comunes como “Inc”, “LLC”, “Ltd”, etc. son eliminados para que coincidas con el nombre real.
Referencias: similarity-api/blog/speed-benchmarks (1M registros en ~7 minutos; más rápido que las bibliotecas comunes de coincidencia difusa en Python).
Límites duros en Zyla
Máximo 1,000 cadenas por solicitud (aplicado).
¿Necesitas más grande / ilimitado?
Parámetros (Solicitud POST)
data (requerido)
Una cadena que contiene un arreglo JSON de cadenas.
Ejemplo de valor para data:
["Acme Inc","ACME LLC","Globex GmbH"]
Mayor = coincidencias más estrictas (menos pares). Típico: 0.80–0.90 para deduplicación de empresas.
Elimina diferencias de puntuación (por ejemplo, “A.C.M.E.” vs “ACME”).
Hace que las coincidencias no sean sensibles a mayúsculas y minúsculas.
use_token_sort (opcional, verdadero/falso, predeterminado falso)
Ayuda cuando el orden de las palabras cambia (por ejemplo, “Bank of America” vs “America Bank of”).
output_format (opcional, predeterminado string_pairs)
Este punto final puede devolver datos en múltiples formatos. Por favor elige uno de los siguientes:
string_pairs:
[cadena_A, cadena_B, similitud]index_pairs:
string_pairs, pero devuelve posiciones en tu lista de entrada en lugar de las cadenas.[índice_A, índice_B, similitud]deduped_strings:
deduped_indices:
deduped_strings, pero devuelve los índices de los elementos mantenidos.membership_map:
[0,0,0,3,3] significa que las filas 0/1/2 son un grupo (rep=0) y las filas 3/4 son otro (rep=3).row_annotations:
Devuelve un objeto por fila de entrada con una explicación de a qué pertenece (fila rep + similitud).
Usar cuando: desees un resultado legible por humanos, por fila para depuración o visualización de UI.
top_k (opcional, entero o "todo", predeterminado "todo")
todo = encontrar todas las coincidencias por encima del umbral.
O un entero (por ejemplo, 50) para limitar coincidencias por fila (más rápido, menos resultados).
Solicitud de muestra en python
import requests, json
API_KEY = "TU_CLAVE_ZYLA"
URL = "API_URL/dedupe"
data_list = ["Microsoft","Micsrosoft","Apple Inc","Apple","Google LLC","9oogle"]
params = {
"data": json.dumps(data_list),
"similarity_threshold": "0.75",
"remove_punctuation": "true",
"to_lowercase": "true",
"use_token_sort": "false",
"output_format": "string_pairs",
"top_k": "all"
}
headers = {"Authorization": f"Bearer {API_KEY}"}
r = requests.post(URL, headers=headers, params=params, timeout=60)
print(r.status_code)
print(r.json())
Dedupe - Características del Endpoint
| Objeto | Descripción |
|---|---|
data |
[Requerido] JSON array of strings to deduplicate (max 1000). Example: ["a","b","c"] |
similarity_threshold |
Opcional Similarity cutoff from 0 to 1. Higher values are stricter (fewer matches). Default is 0.75. |
remove_punctuation |
Opcional If true, punctuation is removed before matching. Default is true. |
to_lowercase |
Opcional If true, strings are lowercased before matching. Default is true. |
use_token_sort |
Opcional If true, tokens in each string are sorted before matching. Useful when word order varies. Default is false. |
output_format |
Opcional Default: string_pairs Allowed values (and what each means): index_pairs List of matches as [i, j, score] where i and j are indices in the input list. string_pairs List of matches as [string_i, string_j, score] using original strings. deduped_strings List of strings with duplicates removed (one representative per group). deduped_indices List of indices representing the deduplicated set (one representative per group). membership_map Array of length N where entry i is the representative index for the group of data[i]. row_annotations Array of objects (one per input row) with fields: index, original_string, rep_index, rep_string, similarity_to_rep. |
top_k |
Opcional Limits how many neighbors are returned per input string. Use all for full dedupe, or a positive integer for top matches per row. |
{"status":"success","response_data":[["Apple","appl!e",1.0]]}
curl --location --request POST 'https://zylalabs.com/api/11914/lightning+fast+similarity+api/22649/dedupe?data=["Apple", "appl!e"]' --header 'Authorization: Bearer YOUR_API_KEY'
| 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.
El punto final Dedupe devuelve un objeto JSON que contiene pares de cadenas coincidentes, puntuaciones de similitud y resultados deduplicados opcionales. La salida puede estar formateada como pares de cadenas, pares de índices o cadenas deduplicadas, dependiendo de 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 coincidentes o cadenas desduplicadas
Los usuarios pueden personalizar las solicitudes ajustando los parámetros en el objeto "config" como "similarity_threshold" para la rigurosidad de la 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 desduplicada Dependiendo del formato de salida las entradas pueden incluir cadenas originales índices y puntajes de similitud facilitando la integración fácil en flujos de trabajo
Los casos de uso típicos incluyen la deduplicación de listas de clientes la reconciliación de registros contra una lista maestra la limpieza de datos de CRM y la realización de 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 emparejamiento difuso que tienen en cuenta problemas comunes de datos como errores tipográficos y diferencias en mayúsculas y minúsculas La API está diseñada para manejar datos desordenados de manera eficaz garantizando resultados de emparejamiento 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 "todo") estos parámetros permiten a los usuarios adaptar el proceso de coincidencia a sus necesidades específicas
Si el punto final de Dedupe devuelve resultados parciales o vacíos los usuarios deben revisar los datos de entrada en busca de 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
Nivel de Servicio:
100%
Tiempo de Respuesta:
324ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.110ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.110ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
704ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
449ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
910ms
Nivel de Servicio:
83%
Tiempo de Respuesta:
191ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
20.002ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.110ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.015ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.249ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.085ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.586ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
4.146ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
5.385ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
5.845ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
8.959ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
336ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.401ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.671ms