Matchningsregler

Matchningsregler är formella kriterier som används när system skall avgöra om två poster, profiler eller objekt motsvarar samma verkliga enhet eller uppfyller ett visst villkor. De används vid dataintegration och deduplicering, poster- eller entitetsmatchning i affärsprocesser samt i rekryterings- eller datingapplikationer för att koppla ihop eller separera entiteter på ett konsekvent sätt.

Ett regeluppsättnings omfattar ofta vilka attribut som jämförs (till exempel namn, adress, personnummer, e-post), vilka jämförelsemetoder som används (exakt matchning, strängjämförelser, särskilda avstånd), samt hur resultaten tolkas genom trösklar och vikter. I regelbaserad matchning definieras varje regel separat, medan mer komplexa scenarier kan kombinera flera regler via scoring eller logisk sammanslagning.

Vanliga tekniker inkluderar fysiska och numeriska likheter: strängjämförelser som Levenshtein eller Jaro-Winkler, datum- och talavstånd, samt geografiska avstånd. Blockering används för att begränsa antalet par som jämförs och därigenom öka prestanda i stora databaser. Probabilistisk och maskininlärningsbaserad matchning används när regelbaserade metoder inte räcker, där modellen lär sig viktiga kombinationer av attribut från träningsdata.

Viktiga överväganden är datakvalitet, felkällor och rättighetsfrågor kring integritet och bias. God praxis omfattar dokumentation, versionering, revision och auditering av reglerna, samt kontinuerlig validering mot marknads- eller myndighetskrav.