中文文本相似度问题

各位前辈,我这边有两个表,数据是中文文本，需要实现筛查数据是否有重复，之前没做过关于文本挖掘问题，请问有大神做过类似问题么，该怎么入手。


数据类型大概如下:

医院名称                         省          市         区            地址
广州第一人民医院          广东      广州      天河         天河路