数据自动归类

现在我参与一项目需要做数据归类，
要求如下：

表1：各超市商品信息
比如 康师傅方便面5袋装
     **牌直身杯
     **牌纸杯
     **牌小包装大米
     ...
表2：我们公司自定义的一套商品分类规则
     纸杯
     康师傅方便面（注意这边没有5袋）
     小包装大米
     ...
实际数据比较复杂

需要将表1的分类自动归类到表2中

大家能否提供个思路，最好具体一点。我现在一点思路都没有

谢谢大家了

余弦相似度计算？

使用规则引擎，如Drools，计算机不可能像人脑那样看一眼就知道两个东西的联系，简单的判断可以通过分词的方法判断相似度，复杂了肯定不可靠

您好，能具体一点吗？我对这快东西 不太熟悉

建议楼主，在对表2的数据初始化后，手工对表1的商品进行分类。
用机器语言进行分类不是很准确，特别是如果要根据商品分类进行数据统计时。
我也是作零售业的，对这种基础数据的录入，为保证数据的准确性，我们向来都是手工录入的。
作实施时，零售业客户不缺人手。

树状分类
还是
打标签

1.需要一个个手工分类
2.需要相似度计算

目前就是手工拖分类
现在遇到两个情况
1、每天有数十万条产品数据入库，手工比较麻烦 因此想改为自动
2、我们统计是全国数据的统计汇总，主要看价格走势，我想一小部分的误差是允许的

商品和分类对应有下列方法
1  手工分类，可能你目前已经有了大量的手工分类商品
2  按商品名称和分类名称的相似性分类
3  按商品名称和已知分类的商品名称的相似性分类
4  手工定义规则和例外
你可以把商品名称和分类名称导出个excel或者access表给我，我帮你分

按商品名称和分类名称的相似性分类的正确性是有限的，因为 商品名称和分类名称
都很短，没几个字的，提供的信息有限，即使用分词和余弦相似度也没赴欧大的帮助的

我告诉你一个NB的办法：

程序 google 商品名称，得到很多的网页，抓回来，有很多的信息了，再分词，再计算其中分类的分词的出现频率。
用搜索引擎补充知识，这主意怎么样？

或者

直接  google 商品名称+分类名称，看找到多少网页，越多的越可能是正确的分类
但是这样做要 google 商品数量*分类数量 次
也许不现实
可以用别的办法先初分一下，一个商品先得到3个最可能的分类，
拿不准的话，再逐一google