компаратор AlexTheRaven компараторНадо получить сответствие рубрик одной базы с рубриками второй базы
Если не делать проверки соответствия данных действительности - можно только сказать
- "в этой объектов на вид больше, чем в той" - кол-во объектов (абсолютное? за период времени?)
- "в этой объекты на вид охарактеризованы более полно, чем в той" - кол-во атрибутов
- "в этой объекты на вид охарактеризованы более точно, чем в той" - кол-во степеней градации значений атрибутов.Чего-то совсем не понял кого вобще может это интересовать
У нас более приземленная задача - свести две разных базы вместе и их заклассифицировать.
В двух разных базах - разные рубрикаторы.
В одной, например, свой собственный, в другой - ОКВЭД.
Надо их как-то скрестить и сопоставить.

Кроме этого хочется получить дополнительный критерий при проверке на дубли.
Если организации имееют похожее название и схожую сферу деятельности - то они претенденты на дубль.

AlexTheRavenОб основных свойствах данных в этих БД, таких как объективность, полнота, достоверность, адекватность, доступность и актуальность - при помощи такого наблюдения ничего сказать невозможно.Будем считать что верим авторам баз на слово

Попробовать построить таблицы соответствия между рубрикаторами?
Ну и по названиям юрлиц можно соответствия сделать. Кроме названия и ИНН можно еще адреса регистрации/почтовый/юридический использовать. По нахождению соответствия по юрлицам можно пробовать устанавливать соответствия по рубрикаторам. Возможно удасться за несколько проходов большую часть разобрать. Остальное - ручками.

компаратор AlexTheRaven компараторНадо получить сответствие рубрик одной базы с рубриками второй базы
Если не делать проверки соответствия данных действительности - можно только сказать
- "в этой объектов на вид больше, чем в той" - кол-во объектов (абсолютное? за период времени?)
- "в этой объекты на вид охарактеризованы более полно, чем в той" - кол-во атрибутов
- "в этой объекты на вид охарактеризованы более точно, чем в той" - кол-во степеней градации значений атрибутов.Чего-то совсем не понял кого вобще может это интересовать
У нас более приземленная задача - свести две разных базы вместе и их заклассифицировать.
В двух разных базах - разные рубрикаторы.
В одной, например, свой собственный, в другой - ОКВЭД.
Надо их как-то скрестить и сопоставить.

Кроме этого хочется получить дополнительный критерий при проверке на дубли.
Если организации имееют похожее название и схожую сферу деятельности - то они претенденты на дубль.

AlexTheRavenОб основных свойствах данных в этих БД, таких как объективность, полнота, достоверность, адекватность, доступность и актуальность - при помощи такого наблюдения ничего сказать невозможно.Будем считать что верим авторам баз на слово

Есть еще идея - можно попытаться построить соответствия между рубриками по количеству предприятий в каждой из рубрик. Поскольку обе базы описывают одно и тоже множество, то может оказаться, что количества будут коррелировать.

компаратор Николай1Попробовать построить таблицы соответствия между рубрикаторами?
Ну и по названиям юрлиц можно соответствия сделать. Кроме названия и ИНН можно еще адреса регистрации/почтовый/юридический использовать. По нахождению соответствия по юрлицам можно пробовать устанавливать соответствия по рубрикаторам. Возможно удасться за несколько проходов большую часть разобрать. Остальное - ручками.У нас сравнение рубрик в базах - не самоцель, а средство (доп. условие для поиска похожести).

Если мы нашли, что какие-то организации являются одинаковыми, то смысла в сравнении рубрик нет.

Что касается названий, то выяснилось, что есть много организаций с одинаковыми названиями и разными сферами деятельности.
Всякие ООО "Агат", "Альбатрос", "Фрегат" итп.
А если есть ИНН в обоих базах, то сравнение будет происходить только по ИНН в 99% случаев.
Остальное будет просто не нужно.
Вот только ИНН почти нигде нет.

Николай1Есть еще идея - можно попытаться построить соответствия между рубриками по количеству предприятий в каждой из рубрик. Поскольку обе базы описывают одно и тоже множество, то может оказаться, что количества будут коррелировать.Это врядли вобще сработает.
Потому что наплненность базы зависит от региона а не от сфкры деятельности.
кто-то в одном регионе сделал базу хорошо кто-то плохо.

А если одна база про все организации а другая только про строительные, то сравнивать по кол-ву вобще не получится.

Это были лишь идеи.