Nililinis ko ang isang dataset at kailangan kong humanap ng halos magkaparehong text entries nang hindi manu-manong ikinukumpara ang mga ito nang isa-isa.

Tinutulungan ka ng feature na ito na matukoy ang mga halos magkaparehong text entry sa isang dataset nang hindi na kailangang magkumpara nang manu-mano, linya-kada-linya. Pinapabilis nito ang pag-aalis ng mga duplicate at binabawasan ang tsansa na makaligtaan ang maliliit na pagkakaiba.

Kapag naglilinis ng mga dataset, karaniwan nang makatagpo ng mga text entry na halos magkapareho pero hindi eksaktong pareho. Sinusuportahan ng feature na ito ang paghahanap sa mga halos magkaparehong entry na iyon para masuri mo ang mga ito nang magkakasama sa halip na ikumpara ang mga item nang isa-isa. Idinisenyo ito para sa mga workflow ng deduplication at quality control kung saan ang maliliit na pagkakaiba sa baybay, bantas, espasyo, o pagpili ng salita ay maaaring magtago ng mga duplicate. Sa pamamagitan ng pagpapakita ng mga malapit na tugma, mas madaling pagsama-samahin ang mga record, gawing standard ang mga text field, at bawasan ang ingay sa downstream analysis. Kapaki-pakinabang ito kapag ang maraming source o manual entry ay nagpapasok ng mga paulit-ulit na parirala na may maliliit na pagkakaiba. Maaari rin itong sumuporta sa mga gawain tulad ng paglilinis ng mga sagot sa survey, tala sa customer support, paglalarawan ng produkto, o mga free-form address field. Ang pangunahing benepisyo ay ang pagtitipid sa oras: maaari mong ituon ang iyong atensyon sa mas maliit na grupo ng mga posibleng duplicate sa halip na i-scan ang buong dataset. Ang pangalawang benepisyo ay ang pinahusay na consistency, dahil tinutulungan ng feature na ito na ipakita ang mga pattern ng pagkakaiba na maaaring gawing standard. Sa kabuuan, nagbibigay-daan ito sa mas mabilis at mas maaasahang paglilinis ng dataset sa pamamagitan ng pagpapadali sa paghahanap at pagsusuri ng mga near-duplicate na text.