WAKER est une solution d'Entity Resolution (résolution d'entités) qui permet d'identifier et d'apparier des enregistrements référençant la même entité réelle au sein de jeux de données hétérogènes. Le projet propose une approche innovante basée sur les réseaux de Kolmogorov-Arnold (KAN) pour attribuer des poids intelligents aux attributs, améliorant ainsi la précision des correspondances entre données. Il offre trois méthodes d'agrégation des similarités : pondération uniforme, pondération manuelle par expertise, ou pondération apprise par KAN.