我有一个包含超市产品项目的数据库（包括名称、描述、价格、库存等）。

我想在这些超市之间进行价格比较，但为此我需要知道超市A和B是否指的是同一个产品。

例如，我发现超市A有一个名为Leche Evaporada GLORIA Azul Paquete 6un Lata 400g的产品，而超市B有一个名为Leche Evaporada Gloria Azul Pack 6 Unid x 400 g的产品，这些指的是同一个产品。

我指出我将需要对这些情况进行语义比较。我对这类问题是新手，所以我真的不知道什么是最好的解决方案，以免低估问题或过度处理它。

我目前正在做的事情效果不是很好：

1. 我只使用产品名称。
2. 从这些产品名称中删除停用词。
3. 将句子转换为单词数组。
4. 获取每个单词的频率。
5. 如果一个单词的频率<=1，则删除它。
6. 用这些单词创建一个字典（词袋），我将用它来将一个单词数组（转换的句子）映射到一个特征向量上。
7. 然后我用所有特征向量“训练”一个TFIDF模型。
8. 进行比较（结果不佳）。

我使用Python作为编程语言，并使用gensim来创建模型、字典（词袋）和进行比较。

编辑：其他例子：

Leche Fresca UHT GLORIA Entera Bolsa 946ml == Leche Entera UHT Gloria Bolsa 946 mlYogurt Griego Gloria con Miel y Granola Vaso 115 g == Yogurt Griego GLORIA Batido con Miel Vaso 115gLeche sin Lactosa GLORIA Mocaccino Botella 330ml == Shake Mocaccino UHT Gloria Frasco 330 ml.

回答：

我认为解决这个问题的有效方法是根据相似度分数来比较产品。例如，我会使用Jaro-Winkler距离来比较两个产品描述，如果描述匹配到定义的阈值，我会比较价格。