Floke/Brancheneinstufung2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
1,248 Commits 3 Branches 0 Tags
ae78da320ae57e90827d2f7e8daf6bdc29f65b3e
Commit Graph

61 Commits

Author SHA1 Message Date
Floke
f378546787 feat(duplicate-checker): Quality-first++ – Domain-Gate, Location-Penalties, Smart Blocking (IDF-ligh 
- Domain-Gate: Domain (100) zählt nur, wenn Name >= MIN_NAME_FOR_DOMAIN (70) ODER (City & Country) matchen
- Location-Penalties: City-Mismatch -30, Country-Mismatch -40 (nur wenn Felder befüllt)
- Name-Scoring: max(token_set, partial, token_sort) auf bereinigten Tokens (Stopwörter + City-Tokens)
- City-Bias-Guard: City-only Overlap -> Name-Score Cap auf 70
- Rare-Token-Check (IDF-light): Name-only-Matches brauchen seltenen Token-Overlap
- Weak-Threshold: 95, wenn weder Domain_used noch (City & Country) matchen
- Smart Blocking: Domain-Index -> seltenster Token -> Prefilter (partial>=70, Top 30, nur wenn seltenster Token im Kandidaten vorkommt)
- SerpAPI: nur für Matching-Accounts und nur wenn B/E leer; schreibt „Gefundene Website“ + „Serp Vertrauen“, Domain-100 nur bei Vertrauen=hoch
- Output: neue Spalten „Gefundene Website“, „Serp Vertrauen“, „Match“, „Score“, „Match_Grund“
- Writeback: SAFE (alle Originalspalten), interne Felder werden gedroppt + CSV-Backup
- Logging: Log/{timestamp}_duplicate_check_v2.15.txt, Summary-Metriken am Ende
 2025-08-08 07:40:50 +00:00
Floke
4a38edacc0 duplicate_checker.py aktualisiert 2025-08-08 06:35:24 +00:00
Floke
9539fa1fb9 duplicate_checker.py aktualisiert 2025-08-08 06:31:57 +00:00
Floke
8f6dae18dd feat(duplicate-checker): quality-first Matching (Domain-Gate, Location-Penalties, Smart Blocking) 
- Domain-Gate: Domain-Score (100) nur, wenn Name >= MIN_NAME_FOR_DOMAIN (default 70) ODER Ort+Land exakt matchen
- Location-Penalties: City-Mismatch -30, Country-Mismatch -40 (wenn Felder befüllt)
- Smart Blocking: Domain-Index -> seltenster Name-Token (Stopwörter gefiltert) -> Prefilter (partial_ratio >= 60, Top 50)
- Name-Score: max(token_set_ratio, partial_ratio, token_sort_ratio) + Name-only Bonus (+20) bei starken Namen
- SerpAPI nur für Matching-Accounts: schreibt "Gefundene Website"; Domain wird NUR bei Vertrauen=hoch genutzt
- Serp-Trust: hoch/mittel/niedrig (Token-Check gegen Domain)
- Transparenz: neue Spalten "Match", "Score", "Match_Grund", "Gefundene Website", "Serp Vertrauen"
- Safe Writeback: Originalspalten bleiben erhalten; interne Felder werden vor Write entfernt
- Logs: Log/{$timestamp}_duplicate_check_v2.13.txt, Summary-Metriken am Ende
- Backup: Log/{$timestamp}_backup_Matching_Accounts.csv

BREAKING CHANGES: none
 2025-08-08 06:28:35 +00:00
Floke
090733ea58 duplicate_checker.py aktualisiert 2025-08-08 06:11:37 +00:00
Floke
a080d7328b duplicate_checker.py aktualisiert 2025-08-08 06:07:04 +00:00
Floke
8fa0c0f37b duplicate_checker.py aktualisiert 2025-08-08 06:00:19 +00:00
Floke
106a015acf url_check nur für matching 2025-08-08 05:43:45 +00:00
Floke
8b5148c59e url check ergänzt 2025-08-08 05:34:32 +00:00
Floke
b9bbab59bf duplicate_checker.py aktualisiert 2025-08-06 14:04:03 +00:00
Floke
65c3f4dd85 duplicate_checker.py aktualisiert 2025-08-06 13:50:38 +00:00
Floke
9b8bcf292d duplicate_checker.py aktualisiert 2025-08-06 13:39:30 +00:00
Floke
f594a54fbf duplicate_checker.py aktualisiert 2025-08-06 13:35:25 +00:00
Floke
4c38af9781 duplicate_checker.py aktualisiert 2025-08-06 13:28:50 +00:00
Floke
695973e679 duplicate_checker.py aktualisiert 2025-08-06 13:19:44 +00:00
Floke
9b1a869c74 duplicate_checker.py aktualisiert 2025-08-06 13:11:09 +00:00
Floke
1a84e10c6c duplicate_checker.py aktualisiert 2025-08-06 12:50:12 +00:00
Floke
4a015844f7 duplicate_checker.py aktualisiert 2025-08-06 12:42:02 +00:00
Floke
c216b24024 duplicate_checker.py aktualisiert 2025-08-06 11:37:35 +00:00
Floke
786086a6e9 duplicate_checker.py aktualisiert 2025-08-06 10:32:38 +00:00
Floke
a1098ae846 Add Logging 2025-08-06 09:31:33 +00:00
Floke
3f862a3745 duplicate_checker.py aktualisiert 2025-08-06 09:08:12 +00:00
Floke
d8316cc070 duplicate_checker.py aktualisiert 2025-08-06 09:07:10 +00:00
Floke
41d3263040 duplicate_checker.py aktualisiert 2025-08-06 09:06:07 +00:00
Floke
9789b38836 duplicate_checker.py aktualisiert 2025-08-06 05:59:05 +00:00
Floke
223f719e38 duplicate_checker.py aktualisiert 2025-08-06 05:45:15 +00:00
Floke
273aa04179 duplicate_checker.py aktualisiert 2025-08-05 15:54:08 +00:00
Floke
14ac535bca duplicate_checker.py aktualisiert 2025-08-05 14:38:52 +00:00
Floke
7adba270ed duplicate_checker.py aktualisiert 2025-08-05 14:36:25 +00:00
Floke
012e091ed0 duplicate_checker.py aktualisiert 2025-08-05 14:34:08 +00:00
Floke
a6bf79d68f duplicate_checker.py aktualisiert 2025-08-05 14:30:02 +00:00
Floke
c6ecf34981 chat GPT version 2025-08-05 14:27:07 +00:00
Floke
7658b7cc9f duplicate_checker.py aktualisiert 2025-08-04 06:08:27 +00:00
Floke
8dd2658d9e duplicate_checker.py aktualisiert 2025-08-04 06:01:13 +00:00
Floke
0b2b77ecfd duplicate_checker.py aktualisiert 2025-08-04 05:44:23 +00:00
Floke
c103e81095 Add Logging 2025-08-04 05:35:07 +00:00
Floke
b27f12cd1b duplicate_checker.py aktualisiert 2025-08-04 05:29:32 +00:00
Floke
5ca44ac036 duplicate_checker.py aktualisiert 2025-08-03 08:31:02 +00:00
Floke
434908e3ec duplicate_checker.py aktualisiert 2025-08-03 08:27:12 +00:00
Floke
f811eafda0 duplicate_checker.py aktualisiert 2025-08-03 08:21:36 +00:00
Floke
b1c6b11f38 Add Logging 2025-08-03 08:18:33 +00:00
Floke
3aeb48b9b5 duplicate_checker.py aktualisiert 2025-08-03 08:00:37 +00:00
Floke
cfbb1949a8 Rückgang zur stabilen Version 2025-08-01 13:27:15 +00:00
Floke
f478eb79cd duplicate_checker.py aktualisiert 2025-08-01 13:20:38 +00:00
Floke
330b42ca5e revoce 2025-08-01 13:17:27 +00:00
Floke
083687836b duplicate_checker.py aktualisiert 2025-08-01 12:54:27 +00:00
Floke
6fd5c486bf duplicate_checker.py aktualisiert 2025-08-01 12:49:34 +00:00
Floke
a136050dc2 duplicate_checker.py aktualisiert 2025-08-01 12:44:38 +00:00
Floke
e7a945f23c duplicate_checker.py aktualisiert 2025-08-01 12:37:57 +00:00
Floke
da4383731c duplicate_checker.py aktualisiert 2025-08-01 12:32:58 +00:00