As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

AWS Entity Resolution Glossário

Nome do recurso da Amazon (ARN)

Um identificador exclusivo para AWS recursos. Os ARNs são necessários quando você precisa especificar um recurso de forma inequívoca em todos eles AWS Entity Resolution, como em AWS Entity Resolution políticas, tags do Amazon Relational Database Service (Amazon RDS) e chamadas de API.

Tipo de atributo

O tipo do atributo para o campo de entrada. Ao criar um mapeamento de esquema, você seleciona o tipo de atributo em uma lista pré-configurada de valores, como nome, endereço , número de telefone ou endereço de e-mail. O tipo de atributo informa AWS Entity Resolution que tipo de dados você está apresentando, permitindo que eles sejam classificados e normalizados adequadamente.

Processamento automático

Uma opção de cadência de processamento para um trabalho de fluxo de trabalho correspondente que permite que ele seja executado automaticamente quando sua entrada de dados é alterada.

Essa opção está disponível somente para correspondência Rule-based combinando baseada em regras.

Por padrão, a cadência de processamento de uma tarefa de fluxo de trabalho correspondente é definida como Manual , o que permite que ela seja executada sob demanda. Você pode configurar o processamento automático para executar seu trabalho de fluxo de trabalho correspondente automaticamente quando a entrada de dados for alterada. Isso mantém a saída do fluxo de trabalho correspondente atualizada.

AWS KMS key ARN

Esse é o seu nome de recurso AWS KMS da Amazon (ARN) para criptografia em repouso. Se não for fornecida, o sistema usará uma chave KMS AWS Entity Resolution gerenciada.

Fluxo de trabalho em lote

Um processo que é executado em intervalos programados para combinar e resolver dados em um conjunto de dados inteiro. Os fluxos de trabalho em lote AWS Entity Resolution são melhor usados para configuração inicial, atualizações completas periódicas e cenários com mudanças significativas nos conjuntos de dados de origem e de destino.

Texto claro

Dados que não são protegidos criptograficamente.

Nível de confiança (ConfidenceLevel)

Para correspondência de ML, esse é o nível de confiança aplicado AWS Entity Resolution quando o ML identifica um conjunto de registros correspondente. Isso faz parte dos metadados do fluxo de trabalho correspondente que serão incluídos na saída.

Nível de confiança do registro (RecordConfidenceLevel)

Para correspondência incremental de ML, esse é o nível de confiança por registro aplicado AWS Entity Resolution quando o ML identifica um conjunto de registros correspondentes. Isso faz parte dos metadados do fluxo de trabalho correspondente que serão incluídos na saída.

Descriptografia

O processo de transformar dados criptografados de volta à sua forma original. Só será possível realizar se você tiver acesso à chave secreta.

Criptografia

O processo de codificação de dados em um formato que parece aleatório usando um valor secreto chamado chave. É impossível determinar o texto sem formatação original sem acesso à chave.

Group name

O nome do grupo faz referência a todo o grupo de campos de entrada e pode ajudá-lo a agrupar dados analisados para fins de correspondência.

Por exemplo, se houver três campos de entrada:first_name,middle_name, elast_name, você pode agrupá-los inserindo o nome do grupo como full_name para correspondência e saída.

Hash

Hash significa aplicar um algoritmo criptográfico que produz uma sequência de caracteres irreversível e exclusiva de tamanho fixo, chamada de hash. AWS Entity Resolution usa o protocolo de hash Secure Hash Algorithm de 256 bits (SHA256) e produzirá uma cadeia de caracteres de 32 bytes. Em AWS Entity Resolution, você pode escolher se deseja fazer o hash dos valores de dados em sua saída.

Protocolo de hash () HashingProtocol

AWS Entity Resolution usa o protocolo de hash Secure Hash Algorithm de 256 bits (SHA256) e produzirá uma cadeia de caracteres de 32 bytes. Isso faz parte dos metadados do fluxo de trabalho correspondente que serão incluídos na saída.

Método de mapeamento de IDs

Como você deseja que o mapeamento de ID seja executado.

Há dois métodos de mapeamento de ID:

Fluxo de trabalho de mapeamento de ID

Um trabalho de processamento de dados que mapeia dados de uma fonte de dados de entrada para um destino de dados de entrada com base no método de mapeamento de ID especificado. Ele produz uma tabela de mapeamento de ID. Esse fluxo de trabalho exige que você especifique o método de mapeamento de ID e os dados de entrada que você deseja traduzir de uma fonte para um destino.

Você pode configurar um fluxo de trabalho de mapeamento de ID para ser executado sozinho Conta da AWS ou em dois Contas da AWS.

namespace de ID

Um recurso AWS Entity Resolution que contém metadados que explicam conjuntos de dados entre vários Contas da AWS e como usar esses conjuntos de dados em um fluxo de trabalho de mapeamento de ID.

Há dois tipos de namespaces de ID: e. SOURCE TARGET O SOURCE contém configurações para os dados de origem que serão processados em um fluxo de trabalho de mapeamento de ID. O TARGET contém uma configuração dos dados de destino para os quais todas as fontes se resolverão. Para definir os dados de entrada que você deseja resolver entre dois Contas da AWS, crie uma fonte de namespace de ID e um destino de namespace de ID para traduzir seus dados de um conjunto () para outro ()SOURCE. TARGET

Depois que você e outro membro criarem namespaces de ID e executarem um fluxo de trabalho de mapeamento de ID, você poderá participar de uma colaboração AWS Clean Rooms para executar uma união de várias tabelas na tabela de mapeamento de ID e analisar os dados.

Para obter mais informações, consulte o Guia do usuário do AWS Clean Rooms.

Fluxo de trabalho incremental

Um processo que só combina e resolve registros novos ou atualizados desde a última execução, em vez de processar todo o conjunto de dados. Os fluxos de trabalho incrementais AWS Entity Resolution são melhor usados para atualizações frequentes para manter os dados atualizados quando apenas uma pequena parte do conjunto de dados foi alterada.

Campo de entrada

Um campo de entrada corresponde ao nome de uma coluna da sua tabela AWS Glue de dados de entrada.

Fonte de entrada ARN (InputSourceARN)

O nome de recurso da Amazon (ARN) que foi gerado para uma entrada de AWS Glue tabela. Isso faz parte da correspondência de metadados do fluxo de trabalho que serão incluídos na saída.

Correspondência baseada em machine learning

A correspondência baseada em aprendizado de máquina (correspondência de ML) encontra correspondências em seus dados que podem estar incompletas ou podem não ter a mesma aparência. A correspondência de ML é um processo predefinido que tentará combinar registros em todos os dados inseridos. A correspondência de ML retorna um ID de correspondência e um nível de confiança para cada conjunto de dados correspondente.

Processamento manual

Uma opção de cadência de processamento para um trabalho de fluxo de trabalho correspondente que permite que ele seja executado sob demanda.

Essa opção é definida por padrão e está disponível tanto para correspondência baseada em regras quanto para correspondência baseada em aprendizado de máquina.

Many-to-Many combinando

Many-to-many a correspondência compara várias instâncias de dados semelhantes. Os valores nos campos de entrada aos quais foi atribuída a mesma chave de correspondência serão comparados entre si, independentemente de estarem no mesmo campo de entrada ou em campos de entrada diferentes.

Por exemplo, você pode ter vários campos de entrada de números de telefone, como mobile_phone e home_phone que têm a mesma chave de correspondência “Telefone”. Use a correspondência de muitos para muitos para comparar dados no campo mobile_phone de entrada com dados no campo mobile_phone de entrada e dados no campo home_phone de entrada.

As regras de correspondência avaliam dados em vários campos de entrada com a mesma chave de correspondência com uma operação (ou), e a correspondência de um para muitos compara valores em vários campos de entrada. Isso significa que, se alguma combinação mobile_phone ou home_phone correspondência entre dois registros, a tecla de correspondência “Telefone” retornará uma correspondência. Para a tecla de correspondência “Telefone” para encontrar uma correspondência, Record One mobile_phone = Record Two mobile_phone OU Record One mobile_phone = Record Two home_phone OU Record One home_phone = Record Two home_phone OURecord One home_phone = Record Two mobile_phone.

ID da partida (matchID)

Para correspondência baseada em regras e correspondência de ML, essa é a ID gerada AWS Entity Resolution e aplicada a cada conjunto de registros correspondido. Isso faz parte dos metadados do fluxo de trabalho correspondente que serão incluídos na saída.

Chave de correspondência (MatchKey)

A tecla Match instrui AWS Entity Resolution quais campos de entrada considerar como dados semelhantes e quais considerar como dados diferentes. Isso ajuda a configurar AWS Entity Resolution automaticamente as regras de correspondência baseadas em regras e a comparar dados semelhantes armazenados em diferentes campos de entrada.

Se houver vários tipos de informações de número de telefone, como um mobile_phone campo de home_phone entrada e um campo de entrada em seus dados, que você gostaria de comparar, forneça a ambos a chave de correspondência “Telefone”. Em seguida, a correspondência baseada em regras pode ser configurada para comparar dados usando instruções “ou” em todos os campos de entrada com a tecla de correspondência “Telefone” (consulte Definições de One-to-One correspondência e Many-to-Many correspondência na seção Correspondência de fluxo de trabalho).

Se você quiser que a correspondência baseada em regras considere diferentes tipos de informações de números de telefone completamente separadamente, você pode criar chaves de correspondência mais específicas, como “Mobile_Phone” e “Home_Phone”. Em seguida, ao configurar um fluxo de trabalho de correspondência, você pode especificar como cada chave de correspondência telefônica será usada na correspondência baseada em regras.

Se nenhum MatchKey for especificado para um campo de entrada específico, ele não poderá ser usado na correspondência, mas poderá ser realizado pelo processo de fluxo de trabalho de correspondência e poderá ser gerado, se desejado.

Nome da chave de correspondência

O nome atribuído a uma tecla Match.

Regra de correspondência (MatchRule)

Para correspondência baseada em regras, esse é o número da regra aplicada que gerou um conjunto de registros correspondente. Isso faz parte dos metadados do fluxo de trabalho correspondente que serão incluídos na saída.

Matching

O processo de combinar e comparar dados de diferentes campos de entrada, tabelas ou bancos de dados e determinar quais deles são semelhantes — ou “correspondências” — com base na satisfação de determinados critérios de correspondência (por exemplo, por meio de regras ou modelos de correspondência).

Fluxo de trabalho correspondente

O processo que você configurou para especificar os dados de entrada a serem combinados e como a correspondência deve ser executada.

Descrição do fluxo de trabalho correspondente

Uma descrição opcional do fluxo de trabalho correspondente que você pode optar por inserir. As descrições ajudam a diferenciar os fluxos de trabalho correspondentes se você criar mais de um.

Nome do fluxo de trabalho correspondente

O nome do fluxo de trabalho correspondente que você especificar.

Metadados de fluxo de trabalho correspondentes

Informações geradas e produzidas AWS Entity Resolution durante um trabalho de fluxo de trabalho correspondente. Essas informações são necessárias na saída.

Normalização () ApplyNormalization

Escolha se deseja normalizar os dados de entrada conforme definido no esquema. A normalização padroniza os dados removendo espaços extras e caracteres especiais e padronizando para o formato minúsculo.

Por exemplo, se um campo de entrada tiver um tipo de atributo de Telefone Telefone completo e os valores na tabela de entrada estiverem formatados como(123) 456-7890, os valores AWS Entity Resolution serão normalizados para. 1234567890

As seções a seguir descrevem nossas regras de normalização padrão.

Para uma ML-based correspondência específica, consulteNormalização (ApplyNormalization) — somente ML-based.

Nome

E-mail

Telefone

Endereço

ENDEREÇO_RENOMEAR_WORD_MAP

Essas são as palavras que serão renomeadas ao normalizar a string de endereço.

"avenue": "ave",
 "bouled": "blvd",
 "circle": "cir",
 "circles": "cirs",
 "court": "ct",
 "centre": "ctr",
 "center": "ctr",
 "drive": "dr",
 "freeway": "fwy",
 "frwy": "fwy",
 "highway": "hwy",
 "lane": "ln",
 "parks": "park",
 "parkways": "pkwy",
 "pky": "pkwy",
 "pkway": "pkwy",
 "pkwys": "pkwy",
 "parkway": "pkwy",
 "parkwy": "pkwy",
 "place": "pl",
 "plaza": "plz",
 "plza": "plz",
 "road": "rd",
 "square": "sq",
 "squ": "sq",
 "sqr": "sq",
 "street": "st",
 "str": "st",
 "str.": "strasse"

ENDEREÇO_RENOMEAR_DELIMITADOR_MAPA_DE_ENDEREÇO

Esses são os delimitadores que serão renomeados ao normalizar a string de endereço.

",": " ",
".": " ",
"[": " ",
"]": " ",
"/": " ",
"-": " ",
"#": " number "

ENDEREÇO_RENOMEAR_DIREÇÃO_MAPA

Esses são os identificadores de direção que serão renomeados ao normalizar a string de endereço.

"east": "e",
"north": "n",
"south": "s",
"west": "w",
"northeast": "ne",
"northwest": "nw",
"southeast": "se",
"southwest": "sw"

ENDEREÇO_RENOME_NÚMERO_MAPA

Essas são as cadeias numéricas que serão renomeadas ao normalizar a sequência de endereço.

"número": "number",
 "numero": "number",
 "no": "number",
 "núm": "number",
 "num": "number"

ENDEREÇO_RENOME_SPECIAL_CHAR_MAP

Essas são as sequências de caracteres especiais que serão renomeadas ao normalizar a sequência de endereço.

"ß": "ss",
 "ä": "ae",
 "ö": "oe",
 "ü": "ue",
 "ø": "o",
 "æ": "ae"

Com hash

Source_ID

Normalização (ApplyNormalization) — somente ML-based

Escolha se deseja normalizar os dados de entrada conforme definido no esquema. A normalização padroniza os dados removendo espaços extras e caracteres especiais e padronizando para o formato minúsculo.

Por exemplo, se um campo de entrada tiver um tipo de atributo deNAME, e os valores na tabela de entrada estiverem formatados comoJohns Smith, AWS Entity Resolution normalizará os valores para. john smith

As seções a seguir descrevem as regras de normalização para fluxos de trabalho de correspondência baseados em aprendizado de máquina.

Nome

E-mail

Telefone

One-to-One combinando

One-to-one a correspondência compara instâncias únicas de dados semelhantes. Os campos de entrada com a mesma chave de correspondência e valores no mesmo campo de entrada serão comparados entre si.

Por exemplo, você pode ter vários campos de entrada de números de telefone, como mobile_phone e home_phone que têm a mesma chave de correspondência “Telefone”. Use a correspondência um a um para comparar os dados no campo mobile_phone de entrada com os dados no campo mobile_phone de entrada e para comparar os dados no campo home_phone de entrada com os dados no campo home_phone de entrada. Os dados no campo mobile_phone de entrada não serão comparados com os dados no campo home_phone de entrada.

As regras de correspondência avaliam dados em vários campos de entrada com a mesma chave de correspondência com uma operação (ou), e a correspondência de um para muitos compara valores em um único campo de entrada. Isso significa que se houver mobile_phone home_phone correspondência entre dois registros, a chave de correspondência “Telefone” retornará uma correspondência. Para a tecla de correspondência “Telefone” para encontrar uma correspondência, Record One mobile_phone = Record Two mobile_phone OURecord One home_phone = Record Two home_phone.

As regras de correspondência avaliam dados em campos de entrada com chaves de correspondência diferentes com uma operação (e). Se você quiser que a correspondência baseada em regras considere diferentes tipos de informações de números de telefone completamente separadamente, você pode criar chaves de correspondência mais específicas, como “mobile_phone” e “home_phone”. Se você quiser usar as duas chaves de correspondência em uma regra para encontrar correspondências, Record One mobile_phone = Record Two mobile_phone ANDRecord One home_phone = Record Two home_phone.

Output

Uma lista de OutputAttribute objetos, cada um com os campos Nome e Hash. Cada um desses objetos representa uma coluna a ser incluída na tabela AWS Glue de saída e se você deseja que os valores na coluna sejam codificados.

Caminho de saída S3

O destino do S3 no qual AWS Entity Resolution gravará a tabela de saída.

OutputSourceConfig

Uma lista de OutputSource objetos, cada um com os campos Outputs3Path e Output. ApplyNormalization

Correspondência baseada em serviços do provedor

A correspondência baseada em serviços de provedores é um processo projetado para combinar, vincular e aprimorar seus registros com provedores de serviços de dados preferenciais e conjuntos de dados licenciados. Você deve ter uma assinatura AWS Data Exchange com o serviço do provedor para usar essa técnica de correspondência.

AWS Entity Resolution atualmente se integra com os seguintes provedores de serviços de dados:

Rule-based combinando

Rule-based a correspondência é um processo projetado para encontrar correspondências exatas. Rule-based a correspondência é um conjunto hierárquico de regras de correspondência em cascata, sugerido por AWS Entity Resolution, com base nos dados que você insere e totalmente configurável por você. Todas as chaves de correspondência fornecidas dentro dos critérios da regra devem corresponder exatamente para que os dados comparados sejam declarados como correspondentes e para que os metadados associados sejam gerados. Rule-based matching retorna um ID de correspondência e um número de regra para cada conjunto de dados correspondente.

Recomendamos definir regras que possam identificar uma entidade de forma exclusiva. Organize suas regras para encontrar combinações mais precisas primeiro.

Por exemplo, digamos que você tenha duas regras, a regra 1 e a regra 2.

Essas regras têm as seguintes chaves de correspondência:

Como a Regra 1 é a primeira a ser encontrada, nenhuma partida será encontrada pela Regra 2, pois todas teriam sido encontradas pela Regra 1.

Para encontrar correspondências diferenciadas por telefone, reordene as regras da seguinte forma:

Correspondência transitiva

A correspondência transitiva é um recurso opcional para fluxos de trabalho de correspondência baseados em regras que usam o tipo de regra Avançado. Por padrão, AWS Entity Resolution usa uma abordagem de correspondência em cascata em que os registros correspondidos em um nível de regra mais alto são excluídos das regras subsequentes. Com a correspondência transitiva ativada, todos os registros são processados em todos os níveis de regras. O ID de correspondência de um registro é fixado na primeira correspondência, mas o registro continua funcionando como um link para conectar registros incomparáveis de regras posteriores a grupos de correspondência de regras anteriores.

Para obter mais informações, consulte Usando correspondência transitiva.

Schema

O termo usado para uma estrutura ou layout que define como um conjunto de dados é organizado e conectado.

Descrição do esquema

Uma descrição opcional do esquema que você pode optar por inserir. As descrições ajudam a diferenciar os mapeamentos de esquema se você criar mais de um.

Nome do esquema

O nome do esquema.

Mapeamento de esquemas

O mapeamento de esquemas em AWS Entity Resolution é o processo pelo qual você AWS Entity Resolution explica como interpretar seus dados para correspondência. Você define o esquema da tabela de dados de entrada que AWS Entity Resolution deseja ler em um fluxo de trabalho correspondente.

Mapeamento de esquema ARN

O nome de recurso da Amazon (ARN) gerado para o mapeamento do esquema.

ID exclusivo

Um identificador exclusivo que você designa e que deve ser atribuído a cada linha de dados de entrada que é AWS Entity Resolution lida.

A coluna ID exclusiva é obrigatória.

O ID exclusivo deve ser um identificador exclusivo em uma única tabela.

O ID exclusivo deve atender a esse padrão: [a-zA-Z0-9_-]

Em tabelas diferentes, a ID exclusiva pode ter valores duplicados.

O tamanho máximo de ID exclusivo é 38 para um fluxo de trabalho correspondente

O tamanho máximo do ID exclusivo é de 257 caracteres para um Fluxo de trabalho de mapeamento de ID

Quando o fluxo de trabalho correspondente for executado, o registro será rejeitado se a ID exclusiva: