Presná definícia
Čo znamená rozlíšenie entít?
Rozlíšenie entít určuje, ktoré záznamy z jedného alebo viacerých zdrojov odkazujú na ten istý reálny objekt, a zoskupí ich pod spoločnú identitu. Využíva normalizované mená, identifikátory, atribúty a vzťahy. Falošné zlúčenie je odlišná a často závažnejšia chyba než neprepojený duplikát.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Register porovná firmy podľa IČO, názvu, adresy a času platnosti; presný identifikátor má vyššiu váhu než podobný názov. Systém uchová pôvodné záznamy aj dôvody zlúčenia a hraničné páry pošle človeku. Eval meria false merge a false split osobitne.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako funguje rozlíšenie entít?
Candidate generation vytvorí možné páry a matcher odhadne zhodu; clustering zabezpečí konzistentné skupiny identít.
Kedy má rozlíšenie entít praktický význam?
Register porovná firmy podľa IČO, názvu, adresy a času platnosti; presný identifikátor má vyššiu váhu než podobný názov.
S čím si pojem nezamieňať?
Entity linking viaže textovú zmienku na známu bázu; entity resolution zlučuje záznamy a môže vytvárať novú kanonickú identitu.
Ako sa výsledok kontroluje?
Používa sa pairwise precision/recall, cluster metriky, miera falošných zlúčení a audit podľa skupín či zdrojov.
Na čo si dať pozor?
Chýbajúce atribúty a bežné mená vedú k omylom a chybný merge rozšíri nesprávne údaje do všetkých prepojených systémov.