Разница в одну букву — повод показать похожую компанию, но не основание заменить контрагента в заказах. Сначала соберите пары названий с известным результатом: одна организация или разные. На этой выборке проверьте ранжирование кандидатов, включая короткие названия и общие слова. Начальный результат должен быть доступным для проверки списком, без изменения исходных карточек.

Отдельно определите, что подтверждает идентичность в вашем продукте: проверенные реквизиты, связь с источником или решение ответственного. Число похожести строки отвечает только на вопрос о тексте. Оно не должно получать полномочия объединять историю, платежи или доступы.

Какая часть названия несёт различие

Юридическая форма и общие слова вроде «группа» могут занимать большую часть названия. Если сравнивать только полную строку, две посторонние организации иногда выглядят близкими. Если убрать все общие части, короткое различающее ядро станет слишком маленьким. Сохраните полное отображаемое название и отдельно испытайте поисковое представление, не изменяя официальные реквизиты.

Пара для тестаЧто проверяетОжидаемое решение
Длинное ядро с одной опечаткойУстойчивость поискаПоказать кандидата
Короткие названия с одной заменойЛожную уверенность на малой длинеНе сливать без основания
Одинаковая форма, разные ядраВлияние общих словНе ставить наверх только за форму
Похожее имя, разные подтверждённые реквизитыКонфликт признаковСохранить различие

Порог выбирают по ошибкам, не по красивому числу

PostgreSQL 18 pg_trgm измеряет текстовую похожесть по триграммам — последовательностям из трёх символов. Документация различает similarity и варианты сравнения со словами или частью строки. Проверено 15 октября 2026 года. Это разные меры; результат одной нельзя без проверки переносить на другой способ поиска. Поддержка индекса ускоряет выбор кандидатов, но не превращает их в подтверждённые совпадения.

Условная оценка на размеченных парах:
known_same -> найден ли нужный кандидат?
known_different -> не стал ли он уверенным совпадением?
short_names -> отдельный срез ошибок
common_words -> отдельный срез ошибок
review_result -> сохранённое решение с причиной

Сначала измерьте, сколько нужных пар вообще попадает в список, затем сколько посторонних оказывается выше. Ошибка пропуска и ложное совпадение стоят по-разному. Для подсказки менеджеру допустим более широкий список, чем для изменения связей. Не называйте порог универсальным: распределение длин, языков и названий зависит от конкретного справочника.

Сравните один и тот же набор после нормализации регистра, пробелов и отдельно после удаления общих частей. Меняйте одно правило за прогон, иначе улучшение будет трудно объяснить. Пустая поисковая строка после очистки должна давать понятное состояние, а не запрос «найти всех». Пользователь должен видеть исходные названия и причины предложенного сходства.

Список не должен становиться незаметным редактором

  1. Показать кандидата с исходным названием и доступными проверенными признаками.
  2. Дать возможность отклонить совпадение и сохранить причину.
  3. Не переносить отрицательное решение на другие пары без правила.
  4. При изменении карточки пересчитать предложение на актуальной версии.
  5. Проверить двух параллельных редакторов перед изменением связей.

Если алгоритм уже склеил разные организации, снижение порога не восстановит историю. Нужен отдельный разбор изменённых связей по сохранённому основанию. Поэтому сначала внедряют наблюдаемые рекомендации, а автоматизацию разрешают только для доказуемых условий с проверкой и откатом. Для настройки подготовьте искусственные или обезличенные пары, требуемую длину списка и цену двух типов ошибки. Это позволит обсуждать качество поиска, а не спорить о числе similarity.

Проверенные источники