Generación de un filtro de comparación multidimensional

Para generar un filtro de comparación multidimensional en el algoritmo coincidente, actualice la configuración del motor coincidente utilizando los mandatos de la API REST:

1. Acceda y autentique la interfaz de API de IBM Match 360 .

2. Especifique una carga útil de POST /mdm/v1/algorithms/{record_type} que defina un filtro, como en el ejemplo siguiente:

   {"person_entity":{"auto_link_threshold":0.4,"matching_attributes":[{"attributes":["legal_name"], "post_filter_methods": ["false_positive_filter"]},{"attributes":["primary_residence"], "post_filter_methods": ["false_positive_filter"]}, {"attributes":["mobile_telephone"]},
   {"attributes":["birth_date"], "post_filter_methods": ["false_positive_filter"]}, {"attributes":["gender"]}, {"attributes":["personal_email"]}]}}
   

   En la carga útil de ejemplo, false_positive_filter es el nombre del filtro personalizado. Se aplica a cada atributo de la carga útil que incluye el nombre de filtro.

La carga útil de la API de ejemplo generará un algoritmo que contiene un false_positive_filter en el que las ponderaciones y penalizaciones son el valor predeterminado, que es 0.

Opcionalmente, puede personalizar los pesos y las penalizaciones para cumplir los requisitos de la organización y, a continuación, desplegar el algoritmo actualizado utilizando la API de PUT /mdm/v1/algorithms/{record_type} .

Descripción de los parámetros que definen filtros

Para comprender los parámetros de configuración que definen los filtros de comparación multidimensional, tenga en cuenta el ejemplo del false_positive_filter creado en la sección anterior.

Recupere el algoritmo actual utilizando el mandato de API GET /mdm/v1/algorithms/{record_type}.

Después de enviar la solicitud POST en la sección anterior, con la carga útil de ejemplo correspondiente, se ha generado la sección siguiente en la configuración del algoritmo:

{
  "false_positive_filter": {
    "filter_recipe": [
      {
        "method": "FilterMethod.MultiDimFilter",
        "inputs": [1,2,3],
        "label": "Multi-Dim filter",
        "weights": [
          {
            "distances": [0,0],
            "values": [0,0,0,0,0,0]
          }
        ]
      }
    ],
    "inputs": [
      {"compare_method": "address_compare"},
      {"compare_method": "date_compare"},
      {"compare_method": "pername_compare"}
    ],
    "label": "false_positive_filter"
  }
}

La sección false_positive_filter de ejemplo incluye los parámetros estándar que definen filtros de comparación multidimensional:

• filter_recipe -Esta sección contiene una matriz de parámetros que proporcionan la receta necesaria para definir ponderaciones coincidentes para cada entrada.

  • inputs. La sección filter_recipe.inputs contiene un índice de las entradas a las que se aplica esta receta de filtro. Son valores numéricos que corresponden al orden de los métodos de comparación listados en la sección inputs . Por ejemplo, en el ejemplo, 1 corresponde al método address_compare , 2 corresponde al método date_compare y 3 corresponde al método pername_compare .
  • weights -La sección weights es una matriz de elementos que definen cómo se pesa cada entrada para la comparación tridimensional. La sección weights incluye definiciones distances y values para las entradas. El peso predeterminado es 0 para cualquier entrada que no esté definida.

• inputs -Esta sección contiene los métodos de comparación para los atributos coincidentes. Estos métodos utilizarán las distancias y pesos que defina en la sección filter_recipe .

• max_distance -Opcional (no se muestra). Este parámetro define la distancia máxima. La distancia máxima predeterminada es 5, lo que significa que el parámetro filter_recipe.weights.values puede incluir 6 elementos ("values":[0,1,2,3,4,5]).

Configuración de filtros personalizados

Para personalizar los métodos de comparación existentes para utilizarlos con un filtro de comparación multidimensional:

1. Recuperar el algoritmo actual:

   GET /mdm/v1/algorithms/{record_type}
   

2. Actualice el algoritmo según sea necesario. Por ejemplo, puede:

   • Añada o actualice elementos en la sección weights para personalizar los pesos para las entradas listadas.
   • Defina la distancia máxima añadiendo un parámetro max_distance .
   • Añada métodos de comparación como entradas que utilizarán este filtro en lugar de las ponderaciones coincidentes predeterminadas.

3. Sobrescriba el algoritmo coincidente con la versión actualizada:

   PUT /mdm/v1/algorithms/{record_type}
   

Ejemplo 1: Utilice la siguiente carga útil de ejemplo si desea establecer la distancia máxima en 9 y especificar pesos y penalizaciones personalizados para diferentes combinaciones de entradas y distancias de la forma siguiente: -input1 distance=0, input2 distance=0, input3 distance = [0,1,2,3,4,5,6,7,8, 9]. En este caso, la combinación de distancias [0,0, 3] da una puntuación de 15.

• input1 distance=1, input2 distance=0, input3 distance = [0,1,2,3,4,5,6,7,8, 9]. En este caso, la combinación de distancia [1,0, 9] da una puntuación penalizada de -30.

{
  "false_positive_filter": {
    "filter_recipe": [
      {
        "method": "FilterMethod.MultiDimFilter",
        "max_distance": 9,
        "inputs": [1,2,3],
        "label": "Multi-Dim filter",
        "weights": [
          {
            "distances": [0,0],
            "values": [0,-5,-10,-15,-20,-25,-30,-30,-30,-30]
          },
          {
            "distances": [1,0],
            "values": [0,-5,-10,-15,-20,-25,-30,-30,-30,-30]
          }
        ]
      }
    ],
    "inputs": [
      {"compare_method": "address_compare"},
      {"compare_method": "date_compare"},
      {"compare_method": "pername_compare"}
    ],
    "label": "false_positive_filter"
  }
}

Ejemplo 2: Puede añadir sus propios métodos de comparación personalizados y configurarlos para que se excluyan de la contribución a la puntuación de coincidencia global, como en la siguiente carga útil de ejemplo. En este caso, los métodos personalizados sólo los utilizaría el filtro de comparación multidimensional.

En el ejemplo siguiente, el filtro given_name_only_compare establece overall_score_contribution en false.

{
  "given_name_only_compare": {
    "methods": [
      {
        "inputs": [
          {
            "attributes": [
              "legal_name"
            ],
            "fields": [
              "given_name"
            ]
          }
        ],
        "compare_recipe": [
          {
            "comparison_resource": "person_person_entity_person_compare_spec_name",
            "method": "CompareMethod.NameCompare",
            "inputs": [
              1
            ],
            "label": "Given Name Only Match",
            "fields": [
              "given_name"
            ]
          } 
        ]
      }
    ],
    "overall_score_contribution" : false,
    "label": "Given Name Only Compare",
    "weights": [1,0,0,0,0,0,0,0,0,0,0]
  }
}

Objeto JSON de ejemplo para umbrales de nivel de origen

En el siguiente ejemplo JSON, puede ver un fragmento de código del archivo de configuración de algoritmo coincidente que define umbrales de nivel de origen para la entidad Persona.

"person_entity":{

  "auto_link_threshold":150,

  "clerical_review_threshold":120,

  "source_level_thresholds": {

       "src0": {

            "default":[165, 150],

            “srcxsrc” : {

                  "src0": [null, null],    

                  "src1": [160, 130], 

                  "src2": [123, 111], 

                  "src3": [null, null]

           }

       },

       "src1": {

            “srcxsrc” : {

                  "src1": [160, 130], 

                  "src2": [123, 111], 

                  "src3": [136, 120], 

                  "src4": [120, null]

           }

       }

    }

}

En el ejemplo anterior:

• El umbral de enlace automático global predeterminado es 150.
• El umbral de revisión administrativa global predeterminado es 120.
• src0, src1, src2, src3y src4 son ejemplos de nombres de origen.
• Dentro del objeto source_level_thresholds , los umbrales de origen por origen se definen para dos orígenes: src0 y src1.

Orientación general:

• En cada origen del objeto source_level_thresholds , puede alterar temporalmente de forma opcional los umbrales de coincidencia global predeterminados para ese origen utilizando el parámetro default .
• En cada origen, puede definir una matriz de umbrales coincidentes de origen a origen bajo la propiedad srcxsrc . Estos umbrales se utilizan al comparar registros de los orígenes listados.
• Dentro de la matriz, los valores proporcionados entre corchetes tienen el formato siguiente: [autolink-threshold, clerical-threshold]. Por lo tanto, [136, 120] indica que para la comparación de origen a origen dada, el umbral de enlace automático es 136 y el umbral de revisión administrativa es 120.
• Cuando se proporcionan ambos valores, el umbral de enlace automático siempre debe ser mayor que el umbral de revisión administrativa.
• Si se proporciona un valor como null, dicho umbral se inhabilita.
• Si ambos valores de un par se proporcionan como null, se inhabilitarán tanto la coincidencia como el enlace entre los dos orígenes.
• Cuando ambos valores son null y los dos orígenes dados son los mismos, el origen se considera solo un origen de referencia . Por ejemplo, src0 es el origen de referencia para src0 en el JSON de ejemplo anterior. Cualquier entidad que solo tenga registros de fuentes de referencia no es viable.

Evaluación de resultados de umbral de nivel de origen

Si ha configurado umbrales de nivel de origen en el algoritmo de coincidencia personalizado, utilice el siguiente método de API REST para obtener detalles de puntuación.

POST /v1/compare/?details=debug&crn={CRN}&entity_type={entity_type}&record_type={record_type}

Utilice la información devuelta por este método como ayuda para evaluar los resultados y, si es necesario, ajustar la configuración de umbral de nivel de origen.

Umbrales de nivel de origen y revisiones de pares

Los umbrales de nivel de origen se pueden sobrescribir si acepta las recomendaciones de ajuste generadas por revisiones de pares. Si su organización utiliza, o tiene intención de utilizar, la capacidad de revisión de pares de IBM Match 360 para generar recomendaciones de ajuste inteligentes, es mejor completar las tareas de revisión de pares antes de definir los umbrales de nivel de origen.

Si ya ha definido umbrales de nivel de origen en algoritmos de coincidencia personalizados, inhabilite la característica de umbral de nivel de origen editando el CR IBM Match 360 (mdm-cr). Utilice el mandato siguiente para inhabilitar los umbrales de nivel de origen en el CR:

oc patch mdm mdm-cr --type=merge -p '{"spec": {"mdm_matching": {"features": {"source_level_thresholds": {"enabled": false}}}}}' 

El CR puede tardar entre 20 y 30 minutos en reconciliarse después de realizar un cambio. Los pods de servicio de mdm-matching también deben reiniciarse para aplicar la configuración actualizada. Si es necesario, estos pods deben reiniciarse manualmente.

Para volver a habilitar los umbrales de nivel de origen, ejecute el mandato siguiente:

oc patch mdm mdm-cr --type=merge -p '{"spec": {"mdm_matching": {"features": {"source_level_thresholds": {"enabled": true}}}}}'