T-Swooshアルゴリズムを使ってマッチングキーを定義および作成

• Match Key Name (マッチキー名): マッチキーの任意の名前を入力します。

• [Input Column] (入力カラム): マッチングキーの適用先とする入力カラムを選択します。

• Matching Function (マッチングファンクション): ドロップダウンリストから、実行するマッチングのタイプを選択します。外部のユーザー定義マッチングアルゴリズムを使用する場合は、[Custom] (カスタム)を選択します。

• [Custom Matcher] (カスタムマッチャー): この項目は[Custom] (カスタム)マッチングファンクションとのみ使われます。ユーザー定義アルゴリズムのJarファイルを参照して選択します。

• Threshold (しきい値): 2つの値についてマッチスコア(0から1)を指定してどの値から上がマッチと見なされるか指定します。

• Confidence Weight (信頼度の重み): マッチキーとして使用する列に数値の重み(1から10)を設定します。この値を使用すると、マッチングを実行する時に特定の列の重要度が高くなります。

• [Handle Null] (Nullを処理): Null値を含むデータレコードの処理方法を指定します。

  • nullMatchNull: 両方のレコードにNull値が含まれている場合、マッチと見なします。

  • [nullMatch None] (nullMatchなし): 片方のレコードにNULL値が含まれる場合は、マッチしていると見なされません。

  • [nullMatch All] (nullMatchすべて): 片方のレコードにNULL値が含まれる場合はマッチと見なされます。

• Survivorship Function (サバイバーシップファンクション): ドロップダウンリストから2つの類似するレコードをマージする方法を選択します。

  • [Concatenate] (連結): 最初のレコードのコンテンツと2番目のレコードのコンテンツを一緒に追加します。

    たとえばBillとWilliamはBillWilliamのようにマージされます。[Parameter] (パラメーター)フィールドで、値の区切りに使用する区切りを指定できます。

  • Prefer True (Trueを優先: ブール値の場合): ソースレコードのすべてのブール値がFalseでない限り、結合されたレコードでは常にブール値をTrueに設定します。

  • [Prefer False (for booleans)] (ブール値ではFalse優先): ソースレコードのすべてのブール値がTrueの場合を除き、マージされたレコードのブール値は常にFalseに設定されます。

  • Most common (最も一般的): 重複グループの中で最も頻繁に出現するフィールド値を有効にします。

  • Most recent, Most ancient (最も新しい、最も古い): 重複グループの中で前者は最も古い日付を有効にし、後者は最も新しい日付を有効にします。関連する参照カラムは[Date] (日付)タイプにする必要があります。

  • Longest, Shortest (最長、最短):重複グループの中で前者は最も長いフィールド値を有効にし、後者は最も短いフィールド値を有効にします。

  • Largest, Smallest (最大、最小): 重複グループの中で前者は最大の数値を有効にし、後者は最小の数値を有効にします。

    情報メモWarning: マッチングキーが数値タイプの時は、サバイバーシップファンクションに[Largest] (最大)または[Smallest] (最小)を必ず選択してください。

  • Most trusted source (最も信頼できるソース): 最も信頼できるとして定義されているソースに由来するデータを採用します。最も信頼できるデータソースは、[Parameter] (パラメーター)フィールドで設定されます。

• [Reference column] (参照カラム): [Survivor Function] (サバイバーファンクション)を[Most recent] (最新)または[Most ancient] (最古)に設定すると、この項目は参照カラムの選択に使用されます。

• [Parameter] (パラメーター): [Concatenate] (連結)サバイバーシップファンクションでは、この項目を使用して、データの連結に使用する区切りを指定します。

• [Parameter] (パラメーター): [Most trusted source] (最も信頼できるソース)サバイバーシップファンクションでは、この項目を使用して、マスターレコードのベースとして使用するデータソースの名前を設定します。[Concatenate] (連結)サバイバーシップファンクションでは、この項目を使用して、データの連結に使用するセパレーターを指定します。

確率がこの値を超えると、2つのデータレコードはマッチと見なされます。

[Confident match threshold] (信頼できるマッチングしきい値)フィールドで、現在の[Match threshold] (マッチングしきい値)と1の間に数値を設定します。

[Matching rule] (マッチングルール)セクションでマッチングキーのサバイバーシップ機能を指定し、[Survivorship Rules for columns] (カラムのサバイバーシップルール)セクションでも、入力カラムとしてマッチングキーのサバイバーシップ機能を指定した場合は、[Matching rule] (マッチングルール)セクションで選択したサバイバーシップ機能がカラムに適用されます。

[Survivorship Rules For Columns] (カラムのサバイバーシップルール)セクションでカラムのサバイバーシップファンクションを指定し、[Default Survivorship Rules] (デフォルトサバイバーシップルール)セクションでもカラムのデータ型のサバイバーシップファンクションを指定した場合は、[Survivorship Rules For Columns] (カラムのサバイバーシップルール)で選択したサバイバーシップファンクションがカラムに適用されます。

動作を指定しないデータ型が1つでもあった場合は、デフォルトの動作([Most common] (最も一般的)なサバイバーシップファンクション)が適用されます。すなわち、各重複グループで最も頻度の高いフィールド値が検証されます。