一句话DedupliPy 是一个基于主动学习的 Python 数据去重/实体消歧工具包。
适合谁需要在 Python 环境中进行数据去重、实体匹配、记录链接的开发者、数据工程师和数据科学家。
核心功能基于主动学习进行去重模型训练无需大型人工标注数据集模型收敛时提示用户可结束训练支持开箱即用配置高级用户可自定义 blocking rules、metrics、interaction features使用字符串相似度指标、逻辑回归与层次聚类完成去重流程
功能与用途用于将同一现实实体的不同表示进行合并，即数据去重/实体消歧。流程包括候选对 blocking、字符串相似度计算、逻辑回归分类以及层次聚类去重，并通过主动学习减少人工标注需求。
支持语言/框架明确为 Python package；开发使用 modAL、Scikit-Learn 和 SciPy。
开源还是闭源页面提供 GitHub 链接，但抓取文本未明确说明开源许可证或是否完全开源。
自托管选项作为 Python 包使用，文本未提及托管服务；可在本地 Python 环境中运行的可能性较高，但未给出部署说明。
API/SDK提供 Python 包，页面提到 PyPI；具体 API 设计、函数接口和示例未在抓取正文中展示。
集成与生态与 Python 科学生态相关，依赖或使用 modAL、Scikit-Learn、SciPy；提供 PyPI、GitHub、Blog、Documentation 入口。
文档质量抓取文本显示有 Documentation 链接，并介绍了工作原理；但未包含详细教程、API 文档完整性、示例数量等信息，无法充分判断文档质量。
中国访问未知
适用场景客户、商户、商品、机构等实体的重复记录识别；数据清洗；主数据管理前置处理；需要少量人工交互标注的数据匹配任务。
同类dedupe、recordlinkage、Splink、OpenRefine