Всем доброго времени суток. 

Есть задача, которая ввела меня в ступор: никак не могу применить теорию к практике. 

Есть база данных из двух табличек, в которых содержится информация о ресторанах, поля табличек наполовину одинаковые, наполовину - какие-то особенные характеристики ресторанов для каждой таблицы. В одной таблице могут быть дубликаты ресторанов из другой (если имена совпадают, проверяем, совпадают ли адреса - если да, то, значит, дубликат). 

Конечная задача: выполнить кластеризацию карточек ресторанов, удалив дубликаты. 

Я не знаю, в какую сторону двигаться и что делать, прошу помощи и совета.

Под кластеризацией я понимаю, в моем случае, объединение карточек ресторанов в кластеры по схожести атрибутов. Структуры БД затрагивать, мне кажется, не нужно. 

Я уже понял немного, что нужно делать. В начале у меня есть три группы карточек: первая - состоит из карточек, имеющих общие поля сразу в двух таблицах, вторая - из карточек, имеющих множество общих полей плюс те поля, которые есть только в одной табличке. И третья - соответственно - общие поля плюс остальные, которых нет во второй группе. Следовательно, и немного утрируя, минимальным расстоянием будет расстояние между карточками, принадлежащими первой группе, максимальным - между карточками второй и третьей групп соответственно. Кластер здесь - это множество карточек с минимальным расстоянием друг от друга. 

Кажется так. 

Тогда следующий вопрос: какой алгоритм кластеризации лучше применить? Непонятно.