智能匹配

虽然手动匹配对用户来说非常耗时，但智能系统可以通过使用机器学习等人工智能方法显着加快匹配决策。系统提出一个或多个链接相似对象的策略，并指示每个策略的质量。然后用户只需要批准或拒绝这些建议，或根据自己的需要进行调整。

---

何时使用

当至少两个工件可以基于相似的特征链接在一起时，匹配就是相关的。匹配过程遵循一组规则，系统可以动态（“学习”）调整这些规则。由于用户输入或其他触发因素，学习到的规则会随着时间的推移而改变。

匹配可以应用于不同的内容类型，包括：

内容类型	例子
文本	搜索和替换
图片	找出一组图片中所有的花
声音	自然语言处理，当音频流与查询
视频	找出在视频中出现哪些的哪些元素，以及出现的频率
复杂的业务对象	将发票与收获相匹配；寻找重复的业务伙伴

匹配质量

匹配的一个关键方面是匹配的质量。对象可以是完全匹配或只是部分匹配：

• 当所有定义的参数都适合时，将给出完全匹配。
• 在部分匹配中，只有一些必需的参数适合。

匹配的参数越多，匹配的质量就越好。

匹配类型

基于企业场景，我们定义了以下匹配类型：

关系匹配

在逻辑上连接不同类型的对象。

示例：多张发票与一笔付款相匹配。

兼容性匹配

将不同类型但具有共同属性的对象进行匹配，形成一个完整的系统。

示例：装配高/中/低端计算机。一台电脑由主板、CPU、内存、显示器等几个部件组成。所有组件都必须兼容。例如，CPU 仅适用于具有特定插槽的主板。

相似性匹配

将相同类型的相似对象合并为一个（也称为“黄金记录”）。

示例：多个相似的业务合作伙伴记录可以合并为一个，因为它们都代表同一个合作伙伴。

自动化水平

对于上述所有匹配类型，您可以应用不同级别的自动化，从最小自动化到最大自动化。一个例外是手动匹配用例，它没有智能系统的支持。

我们为智能匹配确定了以下三个自动化级别：

级别 1：选择、验证和评分

这是智能系统的第一级自动化。匹配仍然是手动和用户驱动的，但系统会根据需要验证和评估匹配质量。然后用户可以决定应用匹配项，或进一步优化匹配项。

级别 2：探索和调整

系统显示基于不同策略的建议匹配。在这种情况下，用户选择一种策略，但往往要进行调整。

级别 3：审查和决定

系统生成最佳匹配并呈现排名推荐。用户查看建议并选择一个选项，无需进一步调整。

匹配成分

匹配涉及一组按特定标准（例如相似性或关系类型）链接的项目。这称为匹配组。

配对组

以下匹配组特征是我们观察到的用例的典型特征：

• 组名： 匹配组的有意义的标签。例如，这可能是合并场景中主记录的名称，或匹配条件的名称。
• 组摘要： 组内容的可选描述。摘要可以呈现为文本或使用键/值参数。
• 组大小：组 中的项目数。
• 质量指标：评估 匹配建议相对于定义目标的置信度。例如，这可能是合并重复项时业务伙伴记录的相似性，或者是匹配发票时覆盖的百分比。
• 最后行动： 可以应用于整个组的操作，例如批准匹配建议。

您可以以不同的方式（例如，作为列表、网格，甚至作为图表）向用户展示一组匹配组。然后，用户可以深入到特定组并详细分析其内容和匹配质量。匹配组的表示取决于用例，可以从简单的列表到图表（例如网络图）。

交互行为

根据匹配级别和匹配质量，与匹配对象和组的交互程度会有所不同。例如，如果匹配建议不是很准确，那么编辑匹配组是交互中必不可少的部分。

更高级别的自动化已经提供了足够好的匹配建议，并且仅在策略上有所不同。在这里，可以执行以下主要或最终操作：

• 批准：提案被接受。
• 拒绝：提案被全部或部分拒绝。部分拒绝涉及手动编辑匹配组然后接受它。拒绝会导致后续反馈机制（隐式或显式）。
• 合并：涉及将两个或多个组合并成一个“黄金”组。
• 拆分：涉及从一个组中创建两个或多个组。这可以通过选择单个项目来实现，然后使用这些项目来创建新组。

设计指南

• 显示具有一组特征的匹配组，并将它们作为建议呈现给用户以供批准。
• 根据用例，按优先级或置信度对匹配组进行排名。
• 始终向用户提供解释 ，以概述系统为何以某种方式生成建议。用户需要理解建议，并且必须能够对其进行编辑以进行细微调整。
• 根据建议采取的每项行动或决定都必须是可逆和可调整的。如果没有合适的建议，用户必须始终可以选择手动匹配项目。