Skip to main content
Glama
deenesjakoruzh
u3588064

EntityIdentification

by u3588064
OverviewSchemaSourceRelated ServersDiscussionsAdmin
JavaScript

实体识别

识别两组数据是否来自同一实体。 识别数据是否来自同一主体

这是一个 MCP（模型上下文协议）服务器。 这是一个支持MCP协议的服务器。

数据比较工具

此工具提供了一种全面的方法，可以比较两组数据，评估其值的精确性和语义相等性。它利用文本规范化和语言模型来确定数据是否来自同一实体。

特征

  • 文本规范化：将文本转换为小写，删除标点符号，并规范化空格。

  • 值比较：直接和语义上比较值（忽略列表的顺序）。

  • JSON 遍历：遍历 JSON 对象中的每个键并比较相应的值。

  • 语言模型集成：使用生成语言模型评估语义相似度，并对数据是否来自同一实体做出最终判断。

Related MCP server: Agentic RAG with MCP Server

安装

要使用此工具，请确保已安装必要的依赖项。您可以使用 pip 安装它们：

pip install genai

用法

功能

  1. 规范化文本（文本） ：

    • 通过将输入文本转换为小写、删除标点符号和规范化空格来规范化输入文本。

  2. 比较值（val1，val2） ：

    • 精确且语义地比较两个值。

    • 如果值是列表，它会忽略元素的顺序以进行语义比较。

  3. 比较json（json1，json2） ：

    • 按键比较两个 JSON 对象。

    • 使用compare_values来评估每个键的值。

    • 集成语言模型评估语义相似度并给出最终判断。

例子

import json
import genai
import re

# Define your JSON objects
json1 = {
    "name": "John Doe",
    "address": "123 Main St, Anytown, USA",
    "hobbies": ["reading", "hiking", "coding"]
}

json2 = {
    "name": "john doe",
    "address": "123 Main Street, Anytown, USA",
    "hobbies": ["coding", "hiking", "reading"]
}

# Compare the JSON objects
comparison_results = compare_json(json1, json2)

# Generate final matching result
model1 = genai.GenerativeModel("gemini-2.0-flash-thinking-exp")
result_matching = model1.generate_content("综合这些信息，你认为可以判断两个数据来自同一主体吗？"+json.dumps(comparison_results, ensure_ascii=False, indent=4))
print(result_matching.text)

贡献

欢迎贡献！请打开一个问题或提交一个拉取请求。

执照

本项目遵循 MIT 许可证。详情请参阅LICENSE文件。

接触

如果您有任何问题或建议，请联系我：

微信qrcode_for_gh_643efb7db5bc_344(1)

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • Graphiti MCP Server

    rawr-ai
    F
    license
    Not graded
    quality
    D
    maintenance
    This MCP server extracts entities and relationships from text and stores them in Neo4j, supporting multiple isolated knowledge graph projects that share the same database.
    102
    -

  • KG Memory

    belindamo
    F
    license
    Not graded
    quality
    D
    maintenance
    An MCP server that implements a heavily typed knowledge graph memory system with AI-powered entity and relation extraction, enabling structured knowledge storage and retrieval from unstructured text using predefined or custom ontologies.
    9
    -