返回主题:数据质量与校验

知识卡片

普通读书笔记卡 · 3900

同名不等于同一实体

理解等级:未标注

跨数据源识别实体时,名称可能因语言或发布市场而变化,也可能多个实体同名;相似字符串不是等同证据。可组合发行年份、导演、演员等属性核验,属性组合越有区分力,误配风险越低。名称适合作候选线索,不能单独决定合并。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据之美》第20章《连接数据》(源文件:../程序之美系列套装(6册)团队之美、项目管理之美、架构之美、数据之美、测试之美、安全之美/_epub-src/OEBPS/Text/part0450.xhtml) - 结论依据:原文用同名城镇、同名人物及不同片名的电影说明名字既会重复也会变化,支持基于其他属性与上下文做身份判断。 - 原始内容:不要仅仅基于名字来合并事物,应该使用额外的信息来设计算法