Git Stars Git Stars

#entity-resolution Dépôts

Découvrez 9 dépôts GitHub open source actifs associés à #entity-resolution, cumulant 17,372 étoiles au total (soit une moyenne de 1,930 étoiles par projet). Le projet en tête de ce thème est dedupeio/dedupe, avec 4,487 étoiles.

9
Total des Dépôts
17,372
Nombre total d'étoiles
1,930
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Rust Java
1
dedupeio/dedupe

:id: Une bibliothèque Python pour le matching flou précis et scalable, déduplication de records et résolution d'entités.

dedupeio
⭐ 4,487 Python 👤 dedupeio Organization 🕐 Mis à jour 2025-07-29 📅 Créé 2012-04-20
2
seatgeek/thefuzz

Correspondance approximative de chaînes en Python

seatgeek
⭐ 3,629 Python 👤 seatgeek Organization 🕐 Mis à jour 2025-03-03 📅 Créé 2021-03-05
3
moj-analytical-services/splink

Liaison de données probabilistique rapide, précise et évolutive avec prise en charge de plusieurs backends SQL

moj-analytical-services
⭐ 2,592 Python 👤 moj-analytical-services Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2019-11-22
4
cedar-policy/cedar

Implémentation du langage de politique Cedar

cedar-policy
⭐ 1,890 Rust 👤 cedar-policy Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2023-04-25
5
zinggAI/zingg

Résolution d’entités, résolution d’identités, gestion des données de référence et déduplication à grande échelle basées sur l’IA pour les humains et les agents

zinggAI
⭐ 1,275 Java 👤 zinggAI Organization 🕐 Mis à jour 2026-11-03 📅 Créé 2021-08-25
6
J535D165/recordlinkage

Un kit d'outils puissant et modulaire pour le linkage de records et la détection de doublons en Python

J535D165
⭐ 1,039 Python 👤 J535D165 User 🕐 Mis à jour 2024-02-21 📅 Créé 2015-10-18
7
JohnSnowLabs/nlu

1 ligne pour des milliers de modèles NLP à la pointe de la technologie dans des centaines de langues. La manière la plus rapide et la plus précise de résoudre les problèmes de texte.

JohnSnowLabs
⭐ 963 Python 👤 JohnSnowLabs Organization 🕐 Mis à jour 2025-01-28 📅 Créé 2020-08-22
8
liuhuanyong/ChainKnowledgeGraph

ChainKnowledgeGraph, le graphe de connaissances de la chaîne industrielle comprend les sociétés cotées en bourse A, les industries et les produits, soit 3 types d'entités au total, incluant les relations d'appartenance sectorielle des sociétés cotées, les relations sectorielles supérieures, les relations de matières premières en amont des produits, les relations de produits en aval, les principaux produits des sociétés et les sous-catégories de produits, soit un total de 6 catégories principales. Sociétés cotées : 4 654, industries : 511, produits : 95 559, matières premières en amont : 56 824, industries supérieures : 480, produits en aval : 390, sous-catégories de produits : 52 937, industries d'appartenance : 3 946.

liuhuanyong
⭐ 779 Python 👤 liuhuanyong User 🕐 Mis à jour 2025-12-22 📅 Créé 2021-10-26
9
Picovoice/rhino

Moteur Speech-to-Intent sur appareil alimenté par l'apprentissage profond

Picovoice
⭐ 719 Python 👤 Picovoice Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2018-10-28

Foire aux questions

1

Quel est le dépôt #entity-resolution le plus populaire sur GitHub ?

Le projet #entity-resolution open source le mieux classé sur GitHub est dedupeio/dedupe, avec 4,487 étoiles. :id: Une bibliothèque Python pour le matching flou précis et scalable, déduplication de records et résolution d'entités.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #entity-resolution ?

Parmi les projets #entity-resolution les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Rust, Java.

3

Comment le classement des dépôts #entity-resolution est-il calculé ?

Nous suivons 9 dépôts open source actifs associés à #entity-resolution (500+ étoiles), totalisant 17,372 étoiles, avec une moyenne de 1,930 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.