Übergeordnete Datenklasse

Die übergeordnete Datenklasse wird verwendet, um die Datenklasse in Beziehungen mit über- und untergeordneten Elementen zu organisieren. Sie fungiert auch als Art "Vorfilter", wenn eine automatische Datenabgleichmethode verwendet wird: Wenn eine übergeordnete Datenklasse eine übereinstimmende Datenmethode hat, werden die Datenabgleichmethoden für die untergeordneten Datenklassen nur dann ausgewertet, wenn die Datenabgleichmethode für die übergeordnete Datenklasse eine positive Übereinstimmung zurückgegeben hat. D. h., wenn Sie eine übergeordnete Datenklasse definieren, wirkt sich dies auf die Kriterien aus, die vom Datenklassifikationsprozess verwendet werden, um zu entscheiden, ob die Datenklasse einem analysierten Datenfeld zugeordnet werden soll oder nicht.

Schwellenwert

Dieses Feld stellt die minimale Konfidenz dar, die ein Datenklassenkandidat in einer Spalte haben sollte, damit diese Datenklasse tatsächlich der Spalte zugeordnet wird. Beispiel: Sie definieren den Schwellenwert für eine Klasse als 90%. Während der Analyse entspricht eine Spalte der Datenklasse mit einer Konfidenz von 95% und eine weitere Spalte mit einer Konfidenz von 89%. Da der Schwellenwert 90% beträgt, wird die Datenklasse nur der ersten Spalte zugeordnet.

Senken Sie den Schwellenwert, wenn die Datenklassenzuordnung ausgeführt werden soll, auch wenn nicht alle Daten mit der Datenklasse übereinstimmen. Sie können dies tun, wenn die Datenqualität nicht optimal ist, und auch in Fällen, in denen Sie wissen, dass die Definition der Abgleichmethode nicht 100 % des gesamten Bereichs aller möglichen Werte abdeckt. Ein gutes Beispiel ist ein Klassifikationsmerkmal zur Erkennung von Ortsnamen. Es ist nicht praktikabel, eine genaue Werteliste zu definieren, die alle Ortsnamen weltweit (einschließlich der kleinsten Orte) enthält. Eine sinnvollere Vorgehensweise wäre, eine Liste der 100 größten Orte einzugeben und den Schwellenwert zu verringern, um der Tatsache Rechnung zu tragen, dass Sie nicht erwarten, dass alle Werte in einer Spalte eine dieser 100 größten Städte sind, sondern dass eine Klassifizierung positiv sein sollte, selbst wenn genügend Werte (< 100%) in dieser Liste der 100 größten Städte gefunden werden.

Das Festlegen eines Schwellenwerts ist optional. Für die Metadatenaufbereitung wird der auf Projektebene definierte Schwellenwert verwendet, wenn Sie keinen Schwellenwert für die Datenklasse direkt festlegen. Ein Schwellenwert, der für die Datenklasse festgelegt wird, hat immer Vorrang vor der Projekteinstellung. Siehe Einstellungen für Datenklassenzuordnung.

Für die folgenden vordefinierten Datenklassen ist in der Datenklassendefinition ein Standardschwellenwert festgelegt:

Priorität

Die Priorität der Datenklasse bestimmt die Reihenfolge, in der Kandidatendatenklassen zur abgeleiteten Datenklasse werden sollen. Nur Datenklassen mit einer Konfidenz oberhalb des Konfidenzschwellenwerts werden zugeordnet. Wenn Daten mehreren Datenklassen entsprechen, wird die Datenklasse mit der höchsten Priorität und einer Konfidenz über dem Konfidenzschwellenwert zugeordnet.

Einige vordefinierte Datenklassen haben eine Prioritätsgruppe. Andernfalls ist die Standardpriorität 10 für vordefinierte Datenklassen mit dem übereinstimmenden Bereich Wert. Für Datenklassen mit dem übereinstimmenden Bereich Spalteist die Standardpriorität 0. Damit eine angepasste Datenklasse Vorrang vor einer vordefinierten Datenklasse hat, muss sie mit einer höheren Priorität definiert werden.

Abgleich mit einer Liste gültiger Werte

Wenn Sie Daten mit einer Liste gültiger Werte abgleichen, erstellen Sie eine Liste gültiger Werte, die Ihre Daten auf der Ebene der Werte einer Datenbankspalte klassifizieren. Sie müssen die Werte einzeln angeben. Daher wird diese Methode für eine kleine Gruppe von Werten empfohlen. Bei längeren Listen können Sie die Methode Abgleich mit Referenzdaten verwenden.

Geben Sie im Abschnitt Mit Liste gültiger Werte abgleichen eine Liste gültiger Werte an.

Kriterien für Textabgleich:

Groß-/Kleinschreibung beachten

Bei Auswahl dieser Option werden nur die Werte, die dieselbe Groß-/Kleinschreibung wie die angegebenen gültigen Werte haben, als mit der Datenklasse übereinstimmend klassifiziert. Ist diese Option nicht ausgewählt, wird die Groß-/Kleinschreibung ignoriert.

Exakter Abstand

Wenn Sie diese Option auswählen, werden nur exakte Übereinstimmungen positiv klassifiziert. Ist die Option nicht ausgewählt, werden mehrere Leerzeichen zu einem einzelnen Leerzeichen zusammengefasst, bevor die gültigen Werte mit den getesteten Werten verglichen werden. Wenn beispielsweise der gültige Wert New York und der getestete Wert New York lautet, wird der getestete Wert auch dann als übereinstimmend klassifiziert, wenn der gültige Wert mehrere Leerzeichen enthält (New York). Lautet der getestete Wert dagegen NewYork (ohne Leerzeichen), wird er als nicht übereinstimmend klassifiziert.

Ganze Wörter

Wenn Sie diese Option auswählen, werden nur exakte Übereinstimmungen positiv klassifiziert. Ist die Option nicht ausgewählt, werden Werte, die als Unterzeichenfolge gefunden werden, auch als übereinstimmend mit der Datenklasse klassifiziert. Wenn Paris der gültige Wert ist und der getestete Wert Parisienne moonlight lautet, wird der getestete Wert als übereinstimmend klassifiziert.

Geben Sie dann den Prozentsatz der übereinstimmenden Datenwerte an, die zum Zuordnen dieser Datenklasse erforderlich sind.

Abgleich mit Referenzdaten

Wenn Sie Daten mit einem Referenzdataset abgleichen, wählen Sie ein Referenzdataset aus, um Ihre Daten auf der Ebene der Werte einer Datenbankspalte zu klassifizieren. Ein Referenzdataset besteht mindestens aus den folgenden Spalten:

• Code erstellen
• Wert

Beachten Sie, dass diese Abgleichmethode die Codespalte im Referenzdataset verwendet, um die Datenklasse zu bestimmen.

CSV-Beispieldatei mit einem Beispiel für Landescodes:

code,value
"AND","Andorra"
"ARE","United Arab Emirates"
"AFG","Afghanistan"
"ATG","Antigua And Barbuda"
"AIA","Anguilla"
"ALB","Albania"
"ARM","Armenia"
...

Die Codes in diesem Beispiel, wie z. B. AND, ARE, AFG, können verwendet werden, um die Datenklasse zu ermitteln.

Abgleich mit Kriterien in einem regulären Ausdruck

Ein regulärer Ausdruck wird verwendet, um zu bestimmen, ob die einzelnen Werte einer Datenbankspalte zu der Datenklasse gehören.

Wenn Sie mit Kriterien in einem regulären Ausdruck abgleichen, erstellen Sie einen regulären Ausdruck, der Ihre Daten auf der Ebene der Werte einer Datenbankspalte klassifiziert. Der reguläre Ausdruck muss im JavaScript-Format vorliegen.

Der reguläre Ausdruck gilt für Datenassets mit klarer Struktur, beispielsweise Datenbanken, Tabellen oder Spalten.

Sie können die folgenden Beispiele für reguläre Ausdrücke kopieren und in Kriterien für Spaltennamen einfügen. Geben Sie dann einen Spaltennamen an, um den regulären Ausdruck zu testen. Sie können auch den Datentyp und die Länge des Datenwerts auswählen.

[0-9]{3}-[0-9]{2}-[0-9]{4}

\(?[0-9]{3}\)?[-. ]?[0-9]{3}[-. ]?[0-9]{4}

<tns:DataClass id="DOB" name="%DOB.name" description="%DOB.description" provider="IBM" example="12-30-2015">
            <tns:JavaClassifier
                className="com.ibm.infosphere.classification.impl.DOBClassifier" />:
<tns:ColumnNameFilter>
                <tns:ColumnNameRegularExpression><![CDATA[dob$|birth(day)?|geburtsdatum|na(issance|cimiento|scita)|urodzenia|(生ま(れた日)?|誕生日)|出生(年月)?]]></tns:ColumnNameRegularExpression>
            </tns:ColumnNameFilter>
</tns:DataClass>

Weitere Abgleichkriterien

Der Abgleich basiert auf Kriterien für den Namen und/oder den Datentyp der Spalte. Es gibt keine weiteren Kriterien zur Auswertung der Spaltenwerte. Dieses Kriterium gilt zusätzlich zur ursprünglich ausgewählten Abgleichmethode.

Sie können einen regulären Ausdruck angeben, um übereinstimmende Spaltennamen zu definieren und einen Beispielspaltennamen für den Test anzugeben. Der Spaltendatentyp kann einen beliebigen Typ, einen booleschen Wert, ein Datum oder eine Zahl haben. Sie können auch die minimale und maximale Länge des Datenwerts definieren.

^Order$

Weitere Informationen

• Details der vordefinierten Datenklassen
• Profile von Assets
• Metadatenaufbereitung erstellen
• IBM Knowledge Catalog Beispiele GitHub

Übergeordnetes Thema: Datenklassen