親データ・クラス

親データ・クラスは、データ・クラスを親/子関係で編成するために使用されます。 また、自動マッチング・データ・メソッドが使用されている場合は、これは一種の "プレ・フィルター" としても機能する。親データクラスがマッチング・データ・メソッドを持つ場合、子データクラスのデータ・マッチング・メソッドは、親データクラスのデータ・マッチング・メソッドが正のマッチングを返した場合にのみ評価されます。 つまり、親データ・クラスを定義すると、データ・クラスを分析済みデータ・フィールドに割り当てるかどうかを決定するためにデータ分類プロセスで使用される基準に影響を与えます。

しきい値

このフィールドは、データクラス候補が列に対して持つべき最小限の信頼度を表し、そのデータクラスは実際に列に割り当てられる。 例えば、クラスのしきい値を 90% に定義するとします。 分析中に 1 つの列が 95% の信頼性を持つデータ・クラスと一致し、別の列が 89% の信頼性を持つデータ・クラスと一致します。 しきい値は 90% であるため、データ・クラスは最初の列にのみ割り当てられます。

一部のデータがデータ・クラスと一致しない場合であってもデータ・クラスの割り当てが行われるようにしたい場合は、しきい値を下げます。 データ品質が完璧でない場合や、マッチング・メソッド定義がすべての可能な値の領域全体の 100% をカバーしていないことが分かっている場合にもこれは行うことができます。 都市名を検出するための分類子が良い例です。 最も小さい場所を含めた、世界中のすべての都市名を含む値の正確なリストを定義することは現実的ではありません。 より実用的なアプローチとしては、100 大都市のリストを入力し、列のすべての値がこれらの 100 大都市の 1 つであるとは期待していないが、その 100 大都市のリストに十分な値 (< 100%) がある場合でも分類が正の値であることを反映するようにしきい値を減らすことができます。

しきい値の設定はオプションです。 メタデータ・エンリッチの場合、データ・クラスにしきい値を直接設定しないと、プロジェクト・レベルで定義されたしきい値が使用されます。 データ・クラスに設定されたしきい値は、常にプロジェクト設定より優先されます。 データ・クラス割り当て設定を参照してください。

以下の事前定義データ・クラスには、データ・クラス定義にデフォルトのしきい値が設定されています。

優先順位

データ・クラスの優先順位によって、候補のデータ・クラスが推論されるデータ・クラスになる順序が決まります。 信頼度しきい値以上のデータクラスのみが割り当てられます。 データが複数のデータ・クラスと一致する場合、優先順位が最も高く、信頼度しきい値を超えるデータ・クラスが割り当てられます。

一部の事前定義データ・クラスには優先順位が設定されています。 それ以外の場合、スコープ valueが一致する事前定義データ・クラスのデフォルトの優先順位は 10 です。 有効範囲 columnが一致するデータ・クラスの場合、デフォルトの優先順位は 0 です。 カスタム・データ・クラスを事前定義データ・クラスより優先させるには、より高い優先順位で定義する必要があります。

有効な値のリストと一致

データを有効な値のリストと一致させる場合、データベース列の値のレベルでデータを分類する有効な値のリストを作成します。 値は手動で 1 つずつ指定する必要があります。この方法は、小さな値セットに対して推奨されます。 リストを長くするには、 「参照データに一致」 メソッドを使用できます。

有効な値のリストに一致する セクションで、有効な値のリストを指定します。

テキスト・マッチング基準:

大 / 小文字の区別

選択した場合、指定された有効な値と大/小文字が同じ値のみが、データ・クラスに一致として分類されます。 選択しない場合、大/小文字は無視されます。

空白文字を削除しない

選択した場合、完全一致のみが正として分類されます。 選択しない場合、有効な値をテスト値と比較する前に、複数の空白文字が単一のスペースに縮小表示されます。 例えば、有効な値が New York であり、テスト値が New York の場合、有効な値に New York のように複数の空白文字があっても、テスト値は一致として分類されます。 しかし、テスト値が空白文字なしの NewYork の場合、テスト値は一致として分類されません。

完全一致

選択した場合、完全一致のみが正として分類されます。 選択しない場合、サブストリングとして検出される値も、データ・クラスに一致として分類されます。 例えば、有効な値が Paris であり、テスト値が Parisienne moonlight の場合、テスト値は一致として分類されます。

その後、このデータ・クラスの割り当てに必要なデータ値の一致率を指定します。

参照データと一致

データを 参照データ・セットにマッチングするときに、データベース列の値のレベルでデータを分類するための参照データ・セットを選択してください。 参照データ・セットは、少なくとも以下の列で構成されます。

• コード
• 値

このマッチング方式では、参照データ・セット内のコード列を使用してデータ・クラスを判別することに注意してください。

国別コードのサンプルを含む CSV ファイルの例:

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

この例のコード ( AND、 ARE、 AFGなど) を使用して、データ・クラスを判別できます。

正規表現内の基準と一致

データベース列の各値がデータ・クラスに属するかどうかを判定するために正規表現を使用します。

正規表現の基準と一致させる場合、データベース列の値のレベルでデータを分類する正規表現を作成します。 正規な式は JavaScript 形式を使用する必要があります。

正規表現は、明確な構造を持つデータ資産 (データベース、表、列など) に適用されます。

以下の正規式の例のいずれかをコピーして 列名の基準に貼り付けることができます。 その後、その正規表現をテストする列名を指定します。 データ値のデータ・タイプと長さを選択することもできます。

[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>

他の一致基準

マッチングは、名前、列のデータ・タイプ、またはその両方に関する基準に基づいて行われます。 列の値を評価するための追加の基準はありません。 この基準は、最初に選択したマッチング方式の上に適用されます。

正規表現を指定して、マッチさせる列名を定義できます。また、テスト用のサンプル列名を指定できます。 列のデータ・タイプは、任意のタイプ、ブール、日付、または数値にできます。 データ値の最小長と最大長を定義することもできます。

^Order$

もっと見る

• 事前定義されたデータ・クラスの詳細
• 資産のプロファイル
• メタデータ・エンリッチの作成
• IBM Knowledge CatalogサンプルGitHubリポジトリ

親トピック: データ・クラス