使用匹配项置信度分数估算匹配项质量

匹配项置信度分数可以提供对 FindMatches Match 找到的匹配项质量的估计值，以区分机器学习模型高度可信、不确定或不可能的匹配记录。匹配项置信度分数将介于 0 和 1 之间，其中分数越高，就意味着相似性越高。通过检查匹配项置信度分数，您可以区分系统高度信任的匹配项集群（您可能决定合并）、系统不确定的集群（您可能决定由人类审核），以及系统认为不可能的集群（您可能决定拒绝）。

如果您看到匹配项置信度分数很高，但又确定不存在匹配项，或者您看到分数很低，但又确定实际上存在匹配项，在此类情况下，您可能想调整训练数据。

当存在大型行业数据集时，审核每个 FindMatches 决策在此情况下并不可行，因此置信度分数特别有用。

在 AWS Glue 版本 2.0 或更高版本中提供了匹配项置信度分数。

生成匹配项置信度分数

您可以生成匹配项置信度分数，方法是在调用 FindMatches 或 FindIncrementalMatches API 时，将 computeMatchConfidenceScores 的布尔值设置为 True（真）。

AWS Glue 会将一个新的 column match_confidence_score 添加到输出。

匹配项评分示例

例如，考虑以下匹配记录：

分数 >= 0.9

匹配记录的摘要：

  primary_id  |   match_id  | match_confidence_score

3281355037663    85899345947   0.9823658302132061
1546188247619    85899345947   0.9823658302132061

详细信息:

通过此示例，我们可以看到两条记录非常相似并且共享 display_position、primary_name 和 street name。

分数 >= 0.8 且分数 < 0.9

匹配记录的摘要：

  primary_id  |   match_id  | match_confidence_score

309237680432     85899345928   0.8309852373674638
3590592666790    85899345928   0.8309852373674638
343597390617     85899345928   0.8309852373674638
249108124906     85899345928   0.8309852373674638
463856477937     85899345928   0.8309852373674638

详细信息:

通过此示例，我们可以看到这些记录共享相同的 primary_name 和 country。

分数 >= 0.6 且分数 < 0.7

匹配记录的摘要：

  primary_id  |   match_id  | match_confidence_score

2164663519676    85899345930   0.6971099896480333
 317827595278    85899345930   0.6971099896480333
 472446424341    85899345930   0.6971099896480333
3118146262932    85899345930   0.6971099896480333
 214748380804    85899345930   0.6971099896480333

详细信息:

通过此示例，我们可以看到这些记录仅共享相同的 primary_name。

有关更多信息，请参阅：