# Créer un jeu de données nettoyées à partir des paires suspectes libellées par le tMatchPredict et les enregistrements uniques calculés par le tMatchPairing

Ce scénario s'applique uniquement aux produits Talend Platform avec Big Data nécessitant souscription et à Talend Data Fabric.

Dans cet exemple, les données d'entrée sont issues de deux sources :

* Les enregistrements suspects identifiés comme étant des doublons et regroupés par le tMatchPredict.

  Pour voir un exemple de procédure pour libeller des paires suspectes avec des libellés assignés, consultez [Marquage de paires suspectes avec des libellés assignés](https://help.qlik.com/talend/fr-FR/data-matching/8.0/labeling-suspect-pairs-with-assigned-labels).

* Les enregistrements uniques calculés par le tMatchPairing.

  Pour des exemples de calcul de lignes uniques à partir de données source, consultez [Calcul de paires suspectes et d'un échantillon suspect à partir de données source](https://help.qlik.com/talend/fr-FR/data-matching/8.0/computing-suspect-pairs-suspect-sample-from-source-data) et [Calculer des paires suspectes et écrire un échantillon dans Talend Data Stewardship](https://help.qlik.com/talend/fr-FR/data-matching/8.0/computing-suspect-pairs-writing-sample-in-stewardship).

Le cas d'utilisation décrit dans ce scénario utilise deux sous-Jobs :

* Dans le premier sous-Job, le tRuleSurvivorship traite les enregistrements identifiés comme étant des doublons et regroupés par le tMatchPredict, afin de créer un représentant unique de chaque groupe de doublons.

* Dans le deuxième sous-Job, le tUnite fusionne les représentants uniques et les enregistrements uniques afin de créer un jeu de données nettoyées et dédoublonnées qui sera utilisé avec le composant tMatchIndex.

Le fichier de sortie contient des données nettoyées et dédoublonnées. Vous pouvez indexer ce jeu de données de références dans Elasticsearch à l'aide du composant tMatchIndex.

Note InformationsImportant : Ce composant est déprécié depuis la version 8.0 R2025-03 du Studio Talend et est supprimé à partir de la version 8.0 R2025-07 du Studio Talend.

### Dans cette section

* [Configurer le Job](https://help.qlik.com/talend/fr-FR/components/8.0/deduplication/creating-clean-data-set-from-suspect-pairs-labeled-setting-up-job)
* [Sélectionner le mode Spark](https://help.qlik.com/talend/fr-FR/components/8.0/deduplication/selecting-spark-mode-spark-batch?id=1010)
* [Configurer la connexion au système de fichiers à utiliser dans Spark](https://help.qlik.com/talend/fr-FR/components/8.0/deduplication/configuring-connection-to-file-system-to-be-used-by-spark?id=1011)
* [Créer des représentants uniques à partir des paires suspectes libellées par le tMatchPredict](https://help.qlik.com/talend/fr-FR/components/8.0/deduplication/creating-survivors-from-suspect-pairs-labeled-by-tmatchpredict)
* [Fusionner les représentants uniques avec des lignes uniques](https://help.qlik.com/talend/fr-FR/components/8.0/deduplication/merging-survivors-with-unique-rows)
* [Exécuter le Job](https://help.qlik.com/talend/fr-FR/components/8.0/deduplication/creating-clean-data-set-from-suspect-pairs-labeled-executing-job)

**Concepts associés**

* [tRuleSurvivorship](https://help.qlik.com/talend/fr-FR/components/8.0/deduplication/trulesurvivorship "Ce composant crée un représentant unique d'une entité selon des règles métier et peut créer une copie maître des données pour la gestion de données maître.")

**Information associée**

* [tHDFSConfiguration](https://help.qlik.com/talend/r/fr-FR/8.0/components/hdfs/thdfsconfiguration)
* [tS3Configuration](https://help.qlik.com/talend/r/fr-FR/8.0/components/amazon-s3/ts3configuration)
* [tFileInputDelimited](https://help.qlik.com/talend/r/fr-FR/8.0/components/delimited/tfileinputdelimited)
* [tFilterRow](https://help.qlik.com/talend/r/fr-FR/8.0/components/processing/tfilterrow)
* [tUnite](https://help.qlik.com/talend/r/fr-FR/8.0/components/orchestration/tunite)
* [tFileOutputDelimited](https://help.qlik.com/talend/r/fr-FR/8.0/components/delimited/tfileoutputdelimited)
* [tMatchPredict](https://help.qlik.com/talend/r/fr-FR/8.0/components/data-matching/tmatchpredict)
* [tMatchIndex](https://help.qlik.com/talend/r/fr-FR/8.0/components/data-matching/tmatchindex)
* [tMatchPairing](https://help.qlik.com/talend/r/fr-FR/8.0/components/data-matching/tmatchpairing)
* [tFilterColumns](https://help.qlik.com/talend/r/fr-FR/8.0/components/processing/tfiltercolumns)