Имеется база с объявлениями по недвижимости за определенный период.
Необходимо при добавлении объявления определять, нет ли объявления о продаже такого же объекта.
Проблемы:
1. Улицы и метро не по словарю, возможны расхождения написаний. Про номера домов вообще молчу.
2. Неполная информация - в одном объявлении площадь может быть указана, в другом нет и т.п.
3. Цены могут быть разные (подорожала квартира)
4. Объявления заведомо могут быть от разных агентств - нельзя опираться на телефоны.

Какой алгоритм выбрать? Жесткая логика на основании шаблонных сравнений, мне кажется, здесь неуместна. Слишком много вариантов, однозначно сказать, что если совпало то-то и то-то, то отфильтровывать, нельзя.
Можно ли (и как) применять здесь алгоритмы классификации (Байес, нейронные сети). Как быть вообще? Я склоняюсь к тому, что основываться нужно на вероятностях и на истории сравнений.
Но ни малейшего представления, как применить тот или иной алгоритм.
Где найти разработчика и сколько это может стоить?

а нельзя реализовать так, чтобы при добавлении объявления оно подгонялось под шаблон. Например разные написания улиц, заменялись одним (если улица еще не встречалась в базе, считать её эталонной и все остальные похожие замиенять на неё). Можно все переводить в верхний или нижний регистр и сравнивать. Вобщем придумать эталон для каждого поля и подгонять под него. А потом искать по шаблону

Можно конечно, так оно и будет происходить. НО!

Рассмотрим на живом примере:

2к.,  Марьино, Люблинская, 42 корп. 4, 10/14 П, 60/40/10, $200000
2к., м. Марьино, ул. Люблинская, 10/14 П, 59,8/39/9,2, $205000

Мы видим, что во втором объявлении не указан номер дома. Однако, если мы сравниваем две квартиры за период две недели, то мало вероятно, чтобы квартиры в одном типе дома на одном этаже с одинаковыми площадям и схожими ценами появились за эти две недели. С учетом того, что в среднем в день на одной улице появляются 1-2 квартиры.

Все больше склоняюсь к мысли, что нужно просто тупо составлять дерево решений на основании своих субъективных представлений. Например:
1. Площади могут различаться на десятые доли (в разных источниках дали площадь с разной точностью)
2. Цена также может немного различаться (за две недели квартира запросто могла подорожать)
3. Номер дома при прочих совпадениях может не иметь значения.


Остальные данные можно не учитывать (балкон, телефон, контакты, примечание).

К сожалению, не владею алгоритмами классификации, поэтому не могу сказать, будут ли они эффективнее. 

но ведь такое возможно! не критично то, что создаваемый алгоритм может посчитать за одну квартиру две разные? для меня вот, при том, что мой мозг сложнее любого алгоритма, неочевидна эквивалентность представленных объявлений  по-моему, проще заставить вводить в формализованном виде изначально 

Если определено будет неправильно, то катастрофы не произойдет, но неприятно конечно. 
Заставить кого-то что-то делать нельзя - данные собираются из разных источников (сайты, базы по недвижимости), поэтому что есть, то есть.

Тут сразу приходится мириться с тем, что определяться все будет с какой-то погрешностью. Можно говорить только о какой-то вероятности. И именно из-за того, что даже человек с НЕискусственным  интеллектом не всегда точно по представленным данным может понять, что квартиры одинаковые. А обзванивать все мы не готовы.