Начните с поиска кандидатов, не меняя исходные записи. Похожее название даёт основание для сравнения, но не доказывает, что перед вами один объект. Подготовьте небольшой размеченный набор: реальные совпадения, разные объекты с похожими именами и спорные пары. На нём станет видно, какие ошибки создаёт выбранное правило.

Что именно означает оценка сходства

В PostgreSQL 18 модуль pg_trgm сравнивает текст по триграммам — группам символов. Функция similarity возвращает значение от нуля до единицы. Документация проверена 26 октября 2026 года. Это мера сходства строк, а не вероятность тождества компаний или товаров; нельзя показывать её пользователю как доказанный процент уверенности.

-- Учебное чтение, pg_trgm должен быть установлен отдельно
SELECT similarity('Северный склад', 'Северный склад 2');
-- Число использовать для ранжирования кандидатов.
-- Оно само не разрешает объединение записей.

Сравнивайте подходящие поля отдельно. Название, адрес и внешний идентификатор несут разную информацию. Конфликт надёжного идентификатора может быть основанием остановить автоматическое решение даже при очень похожем названии. Отсутствующее поле не следует считать совпавшим только потому, что обе строки пусты.

Порог выбирают по цене ошибки

Исход сравненияЧто измерять
Верная пара найденаПолезность кандидатов
Разные объекты предложены вместеНагрузка на проверку
Разные объекты автоматически связаныОпасное ложное решение
Настоящая пара пропущенаПотеря полноты
Недостаточно сведенийДоля ручного разбора

Понижение порога обычно расширяет набор кандидатов. При этом оператору приходится разбирать больше посторонних пар. Отдельно оцените режим подсказки и режим автоматического применения: допустимое число лишних подсказок не означает допустимость такого же числа ошибочных объединений. Универсального безопасного порога для всех справочников нет.

Для большого массива сначала ограничьте сравнение обоснованным набором кандидатов: например, типом объекта и доступной организационной областью. Затем ранжируйте пары. Слишком жёсткое начальное ограничение может скрыть нужную пару навсегда; проверяйте полноту этого шага отдельно от качества текстовой оценки.

Не переносите случайный порог из демонстрации в рабочий каталог. Разметка должна включать характерные для него сокращения, номера филиалов и общие слова. Проверяйте правило на отдельной части примеров, которую не использовали при настройке. Иначе оно может запомнить особенности маленькой подборки.

Сходство не всегда проходит через цепочку

Условный сценарий: A похоже на B, B похоже на C, но A и C относятся к разным объектам. Объединение всех связанных пар в одну группу способно протащить ошибку через промежуточную запись. Для групп задайте собственный критерий совместимости, а спорные связи оставляйте на рассмотрение.

  1. Разметить пары с ожидаемым решением и причиной.
  2. Получить кандидатов без изменения справочника.
  3. Сравнить пропуски и ложные предложения при разных порогах.
  4. Проверить конфликт идентификаторов и цепочку A–B–C.
  5. Разрешить применение только по отдельной утверждённой политике.

Сохраняйте версию нормализации, алгоритма и принятое решение. После обновления библиотеки или словаря результат может измениться; это не повод молча отменять ручную отметку «разные объекты». Такая отметка должна участвовать в следующем запуске и иметь понятную область действия.

Для приёмки покажите обезличенные пары, причины решений и ошибки на отложенной выборке. Сначала включите подсказки и оцените работу операторов. Если потребуется автоматическое связывание, его последствия и восстановление ошибочной связи проектируют отдельно: хороший поиск похожих строк ещё не является безопасным слиянием данных.

Проверенные источники