API de Similitud en Tiempo Real es una API de coincidencia difusa y deduplicación de alta velocidad diseñada para datos reales y desordenados. Te ayuda a identificar registros casi duplicados y reconciliar entidades incluso cuando los valores no coinciden exactamente—errores tipográficos, diferencias en mayúsculas y minúsculas, puntuación faltante, problemas de espaciado, abreviaturas 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 recibes coincidencias clasificadas por similitud en las que puedes confiar. Las salidas típicas incluyen pares coincidentes (por ejemplo, “Apple” ⇔ “apple inc.”), puntajes de similitud y resultados estructurados que son fáciles de integrar en flujos de trabajo de limpieza de datos, CRMs, trabajos ETL y pipelines de análisis.
Casos de uso comunes:
Deduplicar listas: encontrar duplicados dentro de un conjunto de datos (coincidencia de todos a todos) y devolver pares probablemente duplicados.
Reconciliar contra una lista maestra: hacer coincidir una lista entrante con un conjunto canónico (lista a maestro).
Higiene de datos de CRM y clientes: limpiar leads/cuentas/empresas donde los duplicados rompen la generación de informes y el alcance.
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 utilizan:
Funciona con texto desordenado desde el primer momento (sin reglas manuales para cada caso particular)
Puntajes de similitud para clasificación y umbrales (tú eliges cuán estricto ser)
Construido para escalar y automatizar (diseñado para funcionar en pipelines, no solo en scripts puntuales)
Dedupe es un punto final de comparación 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 las personas intentan primero (comparaciones por pares, puntuadores difusos en bucle, etc.) una vez que superas listas pequeñas.
Limpieza opcional incorporada: puedes habilitar la limpieza común de texto (minúsculas, eliminación de puntuación, ordenamiento de tokens). Esto ahorra horas (o días) de desarrollo + mantenimiento continuo.
Sufijos de empresas 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 de Python).
Límites estrictos 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.
Valor de ejemplo para data:
["Acme Inc","ACME LLC","Globex GmbH"]
Más alto = 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.
use_token_sort (opcional, verdadero/falso, por defecto falso)
Ayuda cuando el orden de las palabras cambia (por ejemplo, “Bank of America” vs “America Bank of”).
output_format (opcional, por defecto string_pairs)
Este punto final puede devolver datos en múltiples formatos. Por favor elige uno de los siguientes:
string_pairs:
[string_A, string_B, similarity]index_pairs:
string_pairs, pero devuelve posiciones en tu lista de entrada en lugar de las cadenas.[index_A, index_B, similarity]deduped_strings:
deduped_indices:
deduped_strings, pero devuelve los índices de los elementos conservados.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).
Usa cuando: quieras un resultado legible por humanos, por fila para depuración o visualización de UI.
top_k (opcional, entero o "todos", por defecto "todos")
todos = encontrar todas las coincidencias por encima del umbral.
O un entero (por ejemplo, 50) para limitar las 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/11915/real+time+similarity+api/22652/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 endpoint Dedupe devuelve un objeto JSON que contiene pares de cadenas emparejados, puntuaciones de similitud y resultados deduplicados opcionales La salida se puede formatear 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 parámetros en el objeto "config" como "similarity_threshold" para la estricta 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 una fácil integración en los flujos de trabajo
Los casos de uso típicos incluyen la deduplicación de listas de clientes la conciliación de registros con una lista maestra la limpieza de datos de CRM y la 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 coincidencia difusa que tienen en cuenta problemas comunes de datos como errores tipográficos y diferencias de mayúsculas y minúsculas La API está diseñada para manejar datos desordenados de manera efectiva asegurando resultados de coincidencia confiables
Los valores de parámetros aceptados incluyen "similarity_threshold" (0 a 1), "remove_punctuation" (booleano), "to_lowercase" (booleano), "use_token_sort" (booleano) y "top_k" (entero o "todos"). Estos parámetros permiten a los usuarios personalizar el proceso de coincidencia según sus necesidades específicas
Si el punto final de Dedupe devuelve resultados parciales o vacíos, los usuarios deben verificar los datos de entrada en busca de problemas de calidad, como duplicados excesivos o umbrales de similitud muy bajos. Ajustar el "umbral_de_similitud" o revisar la lista de entrada puede ayudar a mejorar los resultados
Nivel de Servicio:
100%
Tiempo de Respuesta:
663ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
449ms
Nivel de Servicio:
77%
Tiempo de Respuesta:
315ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.303ms
Nivel de Servicio:
97%
Tiempo de Respuesta:
2.966ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.414ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
571ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
28ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
658ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
174ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.497ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.435ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.450ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.514ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
571ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.680ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.845ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
522ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
369ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.302ms