Potrzebuję spójnej miary liczbowej, aby śledzić i wyjaśniać, dlaczego dwa ciągi znaków zostały uznane za pasujące lub nie.

Zapewnij spójny liczbowy wynik podobieństwa dla każdego porównania ciągów znaków, aby wyniki można było śledzić w czasie i porównywać między zbiorami danych. Połącz wynik z jasnymi, czytelnymi dla człowieka powodami wyjaśniającymi, dlaczego dwa ciągi zostały potraktowane jako pasujące lub nie.

Ta funkcja dodaje spójną liczbową miarę podobieństwa do porównywania dwóch ciągów znaków, umożliwiając ilościowe określenie, jak blisko siebie znajdują się dwie wartości w powtarzalny sposób. Każde porównanie zwraca wynik, który można przechowywać, analizować pod kątem trendów i wykorzystywać do ustawiania progów dopasowania dla różnych przepływów pracy. Oprócz wyniku liczbowego funkcja generuje wyjaśnienie opisujące główne czynniki, które zwiększyły lub zmniejszyły podobieństwo, pomagając użytkownikom zrozumieć decyzje o dopasowaniu. Ułatwia to uzasadnienie zautomatyzowanych wyników dopasowania podczas przeglądów, audytów lub dyskusji z interesariuszami. Wynik może być użyty do grupowania wyników (dopasowania o wysokim poziomie ufności, możliwe dopasowania i brak dopasowań) oraz priorytetyzacji ręcznej weryfikacji tam, gdzie jest to potrzebne. Obsługuje również monitorowanie jakości w czasie poprzez śledzenie średnich wyników, rozkładów wyników i zmian po aktualizacjach reguł. W praktyce jest to przydatne do deduplikacji, rozwiązywania problemów z encjami, łączenia rekordów i czyszczenia tekstu wprowadzanego przez użytkowników, takiego jak nazwiska lub adresy. Komponent wyjaśniający wspiera debugowanie, pokazując, dlaczego wystąpiło zaskakujące dopasowanie lub dlaczego oczekiwane dopasowanie nie powiodło się. Ogólnie rzecz biorąc, funkcja ta poprawia przejrzystość, spójność i kontrolę operacyjną nad decyzjami dotyczącymi dopasowywania ciągów znaków.