Floke/Brancheneinstufung2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
1,252 Commits 3 Branches 0 Tags
af2e60f93d744ff44afdf20d1c7e929f07fee57b
Commit Graph

63 Commits

Author SHA1 Message Date
Floke
af2e60f93d duplicate_checker.py aktualisiert 2025-08-18 11:32:37 +00:00
Floke
7d76a38cae duplicate_checker.py aktualisiert 2025-08-18 08:39:27 +00:00
Floke
e916e4ebc1 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
56430d6838 duplicate_checker.py aktualisiert 2025-08-08 06:35:24 +00:00
Floke
96ba680cb9 duplicate_checker.py aktualisiert 2025-08-08 06:31:57 +00:00
Floke
aea5d45c7d 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
8e80a3f75e duplicate_checker.py aktualisiert 2025-08-08 06:11:37 +00:00
Floke
f420b84aee duplicate_checker.py aktualisiert 2025-08-08 06:07:04 +00:00
Floke
ec56daa9ea duplicate_checker.py aktualisiert 2025-08-08 06:00:19 +00:00
Floke
be3f48aceb url_check nur für matching 2025-08-08 05:43:45 +00:00
Floke
aa4cf6ed24 url check ergänzt 2025-08-08 05:34:32 +00:00
Floke
4cd5dccc6f duplicate_checker.py aktualisiert 2025-08-06 14:04:03 +00:00
Floke
e58e493e38 duplicate_checker.py aktualisiert 2025-08-06 13:50:38 +00:00
Floke
3febe14526 duplicate_checker.py aktualisiert 2025-08-06 13:39:30 +00:00
Floke
63d014b057 duplicate_checker.py aktualisiert 2025-08-06 13:35:25 +00:00
Floke
4f6d51df56 duplicate_checker.py aktualisiert 2025-08-06 13:28:50 +00:00
Floke
558b75f325 duplicate_checker.py aktualisiert 2025-08-06 13:19:44 +00:00
Floke
e43efa44cb duplicate_checker.py aktualisiert 2025-08-06 13:11:09 +00:00
Floke
cfd1e8b536 duplicate_checker.py aktualisiert 2025-08-06 12:50:12 +00:00
Floke
8d717f3b9f duplicate_checker.py aktualisiert 2025-08-06 12:42:02 +00:00
Floke
99dec72345 duplicate_checker.py aktualisiert 2025-08-06 11:37:35 +00:00
Floke
a3315eae3d duplicate_checker.py aktualisiert 2025-08-06 10:32:38 +00:00
Floke
b9a046bd0b Add Logging 2025-08-06 09:31:33 +00:00
Floke
9193ab1a2f duplicate_checker.py aktualisiert 2025-08-06 09:08:12 +00:00
Floke
4aa1effee1 duplicate_checker.py aktualisiert 2025-08-06 09:07:10 +00:00
Floke
dfcb270a7f duplicate_checker.py aktualisiert 2025-08-06 09:06:07 +00:00
Floke
6b4c8295c7 duplicate_checker.py aktualisiert 2025-08-06 05:59:05 +00:00
Floke
4a41ffb0fa duplicate_checker.py aktualisiert 2025-08-06 05:45:15 +00:00
Floke
600b977a9f duplicate_checker.py aktualisiert 2025-08-05 15:54:08 +00:00
Floke
b876ea20ec duplicate_checker.py aktualisiert 2025-08-05 14:38:52 +00:00
Floke
2f70e05e33 duplicate_checker.py aktualisiert 2025-08-05 14:36:25 +00:00
Floke
9685bc5a2d duplicate_checker.py aktualisiert 2025-08-05 14:34:08 +00:00
Floke
270a5fc0e2 duplicate_checker.py aktualisiert 2025-08-05 14:30:02 +00:00
Floke
7d3821ad3d chat GPT version 2025-08-05 14:27:07 +00:00
Floke
3a8809e08f duplicate_checker.py aktualisiert 2025-08-04 06:08:27 +00:00
Floke
38612a858e duplicate_checker.py aktualisiert 2025-08-04 06:01:13 +00:00
Floke
c777d75ddc duplicate_checker.py aktualisiert 2025-08-04 05:44:23 +00:00
Floke
bc9591a409 Add Logging 2025-08-04 05:35:07 +00:00
Floke
c0db46d2a8 duplicate_checker.py aktualisiert 2025-08-04 05:29:32 +00:00
Floke
7c9ee2f799 duplicate_checker.py aktualisiert 2025-08-03 08:31:02 +00:00
Floke
9cc291d568 duplicate_checker.py aktualisiert 2025-08-03 08:27:12 +00:00
Floke
40de811730 duplicate_checker.py aktualisiert 2025-08-03 08:21:36 +00:00
Floke
c0cade7a21 Add Logging 2025-08-03 08:18:33 +00:00
Floke
940aa52bb4 duplicate_checker.py aktualisiert 2025-08-03 08:00:37 +00:00
Floke
05ecb01228 Rückgang zur stabilen Version 2025-08-01 13:27:15 +00:00
Floke
e48e44ea21 duplicate_checker.py aktualisiert 2025-08-01 13:20:38 +00:00
Floke
a10caa5ad0 revoce 2025-08-01 13:17:27 +00:00
Floke
add6ea53ce duplicate_checker.py aktualisiert 2025-08-01 12:54:27 +00:00
Floke
a58e4fc16f duplicate_checker.py aktualisiert 2025-08-01 12:49:34 +00:00
Floke
8a7426dfb9 duplicate_checker.py aktualisiert 2025-08-01 12:44:38 +00:00