企业名录去重之后：46,358 条重复是怎么来的

发布时间：2026-10-20 09:40（北京时间）｜数据截至：2026-10-20｜数据来源：智联海机器人资讯企业名录

一、先给结果

二、重复是怎么产生的

重复来自三类差异，肉眼几乎看不出来：

1. 全角与半角括号：`乐普智能机器人(广东)有限公司` 与 `乐普智能机器人（广东）有限公司`，机器判定是两个字符串。
2. 全角空格与不规则空白：企业名称中间多一个全角空格，检索时看起来一样，实际不同。
3. 括号类型混用：`［］` 与 `[]`，来自不同数据源的录入习惯。

三、判定规则

去重按归一化后的名称分组：先把全角括号、方括号、全角空格统一成半角，去掉所有空白，转小写，再按名称分组。同一组内保留一条：

• 优先保留 score 更高（资料更完整）的那条
• 其次保留 rich 更高（字段更丰富）的那条
• 最后按 id 小的保留，保证结果稳定可复现

四、去重后哪些数字变了

分类与省份的分布数字全部按去重后的口径重算，所以你会看到：

• 机器人相关企业：357,726（原来是 382,995）
• 工业机器人：137,543（原来 150,645）
• 江苏省：41,168、山东省：52,055、浙江省：54,381 等按地区数字同步下降

这些下降不是企业变少了，而是「同一条企业不再被算两次」。

五、为什么值得做

重复记录会带来三个实际问题：一是按分类计数时虚高；二是按城市筛选时同一家企业出现两次；三是检索时同一家公司挤占多个结果位。去重之后，数字更小，但更能代表真实企业数量。

六、还有什么没解决

这次只处理了「名称归一化后完全相同」的重复。以下情况仍会保留为独立条目：分公司与总公司、名称简称与全称、同一集团不同主体。这些差异有业务含义，不能简单合并。

可在全国机器人企业目录核对具体数字，口径说明见关于我们。