Matcha yhdistää sotkuiset, väärin kirjoitetut ja puoliksi kirjoitetut osoitteet niihin tietueisiin, joihin ne oikeasti viittaavat, omalla koneellasi, ja antaa jokaiselle päätökselle kalibroidun todennäköisyyden ja perustelun. Henkilönimet, yritysnimet, sähköposti, IP-sijainti ja tunnisteet toimivat samalla moottorilla. Vaikeisiin tapauksiin voit lisätä Jevin (typesafe.ai) tai paikallisen Ollama-mallin.
Sisältyy Jenneriin. Ei ulkoista palvelua, ei API-avainta, eikä dataa poistu verkostasi, ellet päätä lisätä mallia: Jev (typesafe.ai) tai paikallinen Ollama-malli.
Kenelle se on tarkoitettu
Kuusi tehtävää, joissa osoite on avain, eikä avainta kirjoiteta koskaan kahta kertaa samalla tavalla.
KYC ja asiakkaan käyttöönotto
Hakija kirjoittaa osoitteensa kerran, puhelimella, kiireessä. Matcha ratkaisee sen viitetauluasi vasten hakijan ollessa vielä sivulla, ja kun kaksi tietuetta ovat yhtä uskottavia, se nimeää sen yhden kentän, joka ratkaisisi asian, jotta lomake voi kysyä "Milton or Morton?" sen sijaan, että tarkistus hylättäisiin tai päästettäisiin läpi.
AML ja pakoteseulonta
Seulonta on täsmäytystä käänteisin kustannuksin: ohi mennyt osuma on kallis ja väärä hälytys halpa. Matcha ottaa nämä kustannukset syötteinä ja siirtää kynnysarvojaan niiden mukaan, joten sama moottori, joka ottaa asiakkaan käyttöön, voi myös seuloa hänet. Osoitteet toimitetaan jo nyt; henkilö- ja yritysnimien seulonta pakote- ja PEP-listoja vasten toimii samalla moottorilla, samoin päätöksin.
Petosten havaitseminen
Matcha raportoi jokaisen harkitsemansa ehdokkaan kenttäkohtaisine todisteineen sekä todennäköisyyden sille, ettei totuus ole taulussa lainkaan. Petossääntö voi toimia sen pohjalta, mitä täsmäytin todella tarkasteli, eikä yhden pistemäärän varassa, ja IP-sijaintientiteetti tarkistaa istunnon sijainnin asiakkaan ilmoittamaa osoitetta vasten.
Markkinoinnin ja CRM:n deduplikointi
Sama kotitalous esiintyy kymmenellä tavalla rekisteröitymisissä, tilauksissa ja tuonneissa. Matcha täsmäyttää taulun itseään vasten, kirjoittaa klusterit ja säilyttää kalibroidun todennäköisyyden jokaisella linkillä, joten deduplikointi voi olla yhtä tiukka tai yhtä salliva kuin postitus, jota se syöttää. Kotitalouksien muodostus osoitteen ja sukunimen perusteella on yhdistetty entiteetti samalla moottorilla.
Toimitus ja logistiikka
Väärä toimitus maksaa paluumatkan; hylätty tilaus maksaa kaupan. Matcha standardoi jokaisen osoitteen alueensa postisääntöjen mukaan, täsmäyttää sen palveltavien osoitteiden tauluusi ja kertoo, milloin osoite on todellinen mutta alueesi ulkopuolella tai todellinen mutta puuttuu taulustasi, jotta korjaus menee oikeaan paikkaan.
Julkinen sektori ja civic tech
Kaupungin kiinteistöhakupalvelu antoi asukkaiden lähettää osoitteen tekstiviestillä ja saada kiinteistönsä tiedot takaisin. Vaikeimmissa tapauksissa, kirjoitusvirheissä ja sanelun lipsahduksissa, jotka sen aiempi täsmäytin sai väärin joka kerta, pelkkä Matcha-moottori vastasi 81 % oikein ensimmäisellä yrityksellä, ja malli jäännöstapauksissa nosti sen 91 %:iin.
Miten se toimii
Natiivia Rustia Jenner-binäärin sisällä. Yksi askel, yksi päätöstaulu ja perustelu jokaiselle.
1
Jäsennä ja standardoi
Jokainen osoite jaetaan talonumeroon, suuntaan, kadunnimeen, päätteeseen, huoneistoon, kaupunkiin ja postinumeroon ja normalisoidaan alueensa postisääntöjen mukaan (USPS Publication 28 Yhdysvalloissa, Canada Post Kanadassa). Kun teksti on monitulkintainen, jäsennin säilyttää jokaisen tulkinnan ja antaa viitteen ratkaista.
2
Etsi ehdokkaat taulustasi
Moottori rakentaa katusanaston omasta viitetaulustasi ja kohdistaa kirjoitetun kadun siihen kirjoitusasun, äänneasun ja virallisten aliasten perusteella. Ehdokkaat löydetään talonumeron, postinumeron ja kadun perusteella, joten väärä ZIP ei ole kohtalokas.
3
Pisteytä jokainen kenttä, kalibroi tulos
Talonumero, katu, pääte, suunta, huoneisto ja postinumero vertaillaan erikseen, ja todisteet yhdistyvät kalibroiduksi todennäköisyydeksi. Puuttuva pääte ei maksa mitään, kun viitteessä on yksi sen niminen katu, ja herättää kysymyksen, kun niitä on kaksi.
4
Päätä kustannuksen perusteella
Sinä kerrot, mitä väärä täsmäys, ohi mennyt täsmäys ja jatkokysymys maksavat prosessissasi. Moottori valitsee päätöksen, jonka odotettu kustannus on pienin, joten se täsmäyttää vain, kun se on riittävän varma sinun lukujesi mukaan, ja kun se ei ole, se palauttaa ei täsmäystä väärän täsmäyksen sijaan.
5
Raportoi kaikki, mitä se tarkasteli
Yksi rivi per syöte päätöksineen, todennäköisyyksineen ja perusteluineen; yksi rivi per ehdokas kenttäkohtaisine todisteineen; mittaritaulu, joka kertoo, miksi syötteet eivät täsmänneet. Mitään ei pudoteta hiljaisesti pois.
6
Lähetä mallille vain jäännös
Halutessasi tapaukset, joita moottori ei pysty ratkaisemaan, menevät ehdokkaineen kielimallille saman askeleen sisällä. Malli valitsee yhden ehdokkaan tai sanoo, ettei mikään niistä sovi; se ei koskaan kirjoita osoitetta uudelleen.
Kuusi päätöstä, jokaiseen liitetty todennäköisyys
match
Yksi ehdokas on oikea tietue suurella todennäköisyydellä. Käytä sitä.
likely
Todennäköisin ehdokas, raportoitu todellisella todennäköisyydellään, kun se jää match-kynnyksen alle. Ei koskaan satunnainen valinta.
nonmatch
Ei uskottavaa ehdokasta. Käsittele ei-löydettynä; harkitut ehdokkaat raportoidaan silti.
review
Moottori ei pystynyt päättämään, ja prosessisi voi kysyä. Annetaan vain, kun olet hinnoitellut jatkokanavan.
not_in_table
Todellinen osoite, jota viitteesi ei sisällä. Korjaa viite, älä syötettä.
out_of_area
Postinumero tai paikka on viitteen alueen ulkopuolella. Ohjaa se muualle.
Jatkokysymyslista: kysy täsmälleen oikea kysymys
Useimmat täsmäyttimet siirtävät vaikeat tapauksensa manuaaliseen tarkastusjonoon, jota kukaan ei hoida. Kun Matcha ei pysty valitsemaan ehdokkaiden välillä, se tietää miksi: syöte sanoi 1200 Milton Street, ja viitteessä on sekä 1200 Milton St että 1200 Morton St, kaksi kadunnimeä, jotka näyttävät ja kuulostavat samalta. Se on kysymys, johon vastaus on yksi sana.
Joten kun hinnoittelet jatkokanavan, ratkaisemattomat rivit tulevat ulos review-päätöksinä järjestettyine ehdokkaineen, täsmälleen sen kentän kanssa, joka ratkaisisi asian (ask about street, ask about unit), sekä niiden todennäköisyyksien kanssa, joita prosessisi tarvitsee päättääkseen, kannattaako kysymys esittää. Tekstiviestipalvelu vastaa "Milton or Morton?". Käyttöönottolomake näyttää molemmat osoitteet. Puhelinpalvelun näyttö näyttää neuvojalle ehdokkaat tyhjän kentän sijaan. Ilman hinnoiteltua kanavaa review-päätöstä ei ole: nämä rivit ovat nonmatch, samoine ehdokkaineen ja perusteluineen.
Aloita arviointiajolla
Anna Matchalle totuustiedosto, muutama sata syötettä, joiden oikean tietueen voit taata, ja yksi ajo pisteyttää jokaisen päätöksen sitä vasten: oikein ensimmäisellä yrityksellä, tehtyjen täsmäysten tarkkuus, väärät vastaukset, saanti viiden parhaan ehdokkaan joukossa, kalibrointikäyrä ja jokaisen virhepainon odotettu kustannus, jotta voit valita omasi käyrältä arvaamisen sijaan.
Mitatut tulokset
Kaksi testiä: yksi yleisön omilla kirjoituksilla ja yksi tahallisesti vääristetyillä osoitteilla kuudelta Yhdysvaltain alueelta. Luvut kuten dokumentaatiossa julkaistu.
Yleisön kirjoittamia todellisia hakuja
Noin 2 400 osoitetta, jotka asukkaat kirjoittivat kaupungin kiinteistöhakupalveluun, noin 378 000 kiinteistön rekisteriä vasten, ja oikea kiinteistö tiedettiin siitä, mitä sen jälkeen tapahtui. 223 vaikeimmassa tapauksessa, todellisissa kirjoitusvirheissä, sanelun artefakteissa ja puuttuvissa päätteissä, kaupungin aiempi täsmäytin oli väärässä ensimmäisellä yrityksellä joka kerta.
0 %:sta 81 %:iin
vaikeat tapaukset täsmäytetty oikein ensimmäisellä yrityksellä, pelkkä moottori
91 %
paikallisella mallilla tai Jevillä jäännöstapauksissa
89 %:sta 97 %:iin
yhtäpitävyys helpoissa tapauksissa, pelkästä moottorista moottoriin ja malliin
Tahallisesti vääristettyjä osoitteita koko maasta
3 000 todellista osoitetta kuudelta satunnaisesti valitulta ZIP-alueelta, poimittu National Address Database -tietokannasta ja vääristetty todellisesta datasta mitatulla virhejakaumalla: kirjoitusvirheitä, pudonneita suuntia ja päätteitä, lyhenteitä, yhteen liimautuneita sanoja ja numerolipsahduksia. Totuus tiedetään tarkasti, ja jokainen syöte päätyy täsmäykseksi tai ei-täsmäykseksi ilman, että mitään jätetään ihmisen käsiteltäväksi.
83,3 %
oikea täsmäys ensimmäisellä yrityksellä, pelkkä moottori
98,1 %
tehtyjen täsmäysten tarkkuus
1,6 %
vääriä vastauksia, noin yksi kuudestakymmenestä
87,8 %:sta 89,3 %:iin
oikein ensimmäisellä yrityksellä Jevillä tai paikallisella mallilla jäännöstapauksissa
Pelkkä samankaltaisuuspistemäärä on vaarallinen: kun sumea katutäsmäytys oli päällä eikä sen päällä ollut mitään, joka neljäs osoite tuli takaisin väärin. Vaihtoehdot, aliakset ja rakennusten ratkaisu tekevät suurimman osan työstä, ja päätöskerros leikkaa sitten väärät vastaukset 3,6 %:sta 0,7 %:iin palauttamalla ei täsmäystä väärän sijaan, kun se ei ole riittävän varma. Kustannuspainojen avulla voit siirtää tätä tasapainoa kumpaan suuntaan tahansa.
Parannus vaiheittain: mitä kukin kerros tuo
Samat 3 000 vääristettyä osoitetta täsmäytettynä yksi kerros kerrallaan päälle kytkettynä. Vaiheet 1–5 ovat kumulatiivisia; kaksi viimeistä ovat vaihtoehtoja täyden moottorin jäännökselle.
Tarkka merkkijonotäsmäys saa 34,6 % oikein eikä yhtään väärin. Jäsennys ja standardointi nostaa oikeat täsmäykset 48,8 %:iin mutta väärät 20,8 %:iin. Sumea katutäsmäytys nostaa oikeat 64,5 %:iin ja väärät 25,0 %:iin. Vaihtoehdot, aliakset ja huoneistot vievät oikeat 89,3 %:iin ja väärät alas 3,6 %:iin. Kustannustietoiset päätökset, eli täysi moottori, antavat 84,1 % oikein ja 0,7 % väärin. Tämän moottorin jäännöksellä paikallinen Ollama-malli yltää 90,0 %:iin oikein 2,1 %:n virheillä, ja Jev yltää 88,5 %:iin oikein 0,8 %:n virheillä.
3 000 vääristetyn osoitteen osuus, joka täsmäytettiin oikein, täsmäytettiin väärin tai meni ohi, vaiheittain. Kaksi viimeistä riviä ovat vaiheesta 5 haarautuvia vaihtoehtoja, eivät jatkumo.
Vaihe
Oikea täsmäys
Väärä täsmäys
Ohi mennyt
vaihe 1: Tarkka täsmäys
34.6%
0.0%
65.4%
vaihe 2: Jäsennä ja standardoi
48.8%
20.8%
30.4%
vaihe 3: Sumea katu
64.5%
25.0%
10.5%
vaihe 4: Vaihtoehdot ja huoneistot
89.3%
3.6%
7.1%
vaihe 5: Kustannustietoiset päätökset
84.1%
0.7%
15.2%
+ tekoäly jäännökselle: Paikallinen tekoäly (Ollama)
90.0%
2.1%
7.8%
+ tekoäly jäännökselle: Jev (TypeSafe)
88.5%
0.8%
10.7%
Lähde: 3 000 todellista yhdysvaltalaista osoitetta kuudelta satunnaisesti valitulta ZIP-alueelta, poimittu National Address Database -tietokannasta ja vääristetty todellisesta datasta mitatulla virhejakaumalla, joten totuus tiedetään tarkasti. Luvut kuten PROC MATCHA -dokumentaatiossa julkaistu.
Pelkkä sumea täsmäytys on vaarallinen. Kun sumea katutäsmäytys on päällä eikä sen päällä ole mitään, joka neljäs osoite tulee takaisin väärin, eikä mikään samankaltaisuuspistemäärässä kerro, mikä niistä.
Vaihtoehtokerros tekee raskaan työn. Viralliset katualiakset, vaihtoehtoiset kirjoitusasut sekä huoneisto- ja rakennusratkaisu nostavat oikeat täsmäykset 64,5 %:sta 89,3 %:iin ja leikkaavat väärät 25,0 %:sta 3,6 %:iin.
Päätöskerros leikkaa väärät vastaukset alle 1 %:iin. Kun väärä täsmäys hinnoitellaan ohi mennyttä vasten, moottori palauttaa ei täsmäystä väärän sijaan, kun se ei ole riittävän varma: 0,7 % väärin, ja ratkaisemattomat tapaukset raportoidaan, ei pudoteta.
Tekoäly jäännökselle nostaa oikeat täsmäykset noin 90 %:iin. Paikallinen malli löytää eniten täsmäyksiä ja suunnilleen kolminkertaistaa väärät vastaukset; Jev lisää täsmäyksiä moottorin omalla tarkkuudella, 0,8 % väärin.
Aja se omilla osoitteillasi
Matcha sisältyy jokaiseen Jenner-lisenssiin. Osta Jenner, lue PROC MATCHA -dokumentaatio tai kerro meille täsmäytysongelmastasi, niin autamme sinua pystyttämään arviointiajon.
Kielimallit ovat kalliita ja hitaita riviä kohden. Matcha käyttää niitä kuten hyvä analyytikko: vain tapauksissa, jotka vaativat harkintaa.
Ollama ja qwen2.5:7b-instruct, täysin offline
Aja paikallista mallia Ollaman kautta omalla laitteistollasi, täysin offline, jolloin mikään ei poistu koneelta. Mittaamme mallilla qwen2.5:7b-instruct. Paikalliset mallit ovat ilmaisia riviä kohden ja vastaavat lähes jokaiseen niille näytettyyn kysymykseen, mikä löytää eniten osumia ja suunnilleen kaksinkertaistaa väärät vastaukset.
Jev, TypeSafen (typesafe.ai) System One -malli
Tekstin tuottamisen sijaan Jev vastaa tyypitettyyn kysymykseen, mikä ehdokas, jos mikään, on sama paikka kuin tämä osoite, ja palauttaa valinnan kalibroidulla todennäköisyydellä. Kun se sanoo 0,9, se on oikeassa noin 90 % ajasta, ja kun se on epävarma, se sanoo arvaamisen sijaan, ettei mikään ehdokkaista sovi. Se on täsmälleen se muoto, jota kustannustietoinen täsmäytin tarvitsee, ja siksi Jev lisää täsmäyksiä moottorin omalla tarkkuudella.
Mitatuissa ajoissa ratkaisematon kaista on 2 %:sta 8 %:iin syötteistä, joten 100 000 osoitteen työ tekee muutaman tuhannen mallikutsua, ei sataatuhatta.
Molemmat ovat valinnaisia ja molemmat ovat oletuksena pois päältä. Moottori ei tarvitse kumpaakaan, ja etämallia voi käyttää vasta, kun olet asettanut allow_remote-asetuksen kokoonpanossa.
Jev typesafe.ai:lta: System One -mallit vaikeisiin tapauksiin
Jevin kehittää TypeSafe (typesafe.ai). Matcha kutsuu sitä vain siihen jäännökseen, jota moottori ei pysty ratkaisemaan itse.
Jev on TypeSafen System One -malli. Tekstin tuottamisen sijaan se vastaa tyypitettyyn kysymykseen, mikä ehdokas, jos mikään, on sama paikka kuin tämä osoite, ja palauttaa valinnan, kalibroidun todennäköisyyden ja luottamuksen. System One -mallit on rakennettu tämänmuotoisiin päätöksiin, ei keskusteluun.
Juuri tätä muotoa kustannustietoinen täsmäyttäjä tarvitsee. Kalibroitu tarkoittaa, että kun Jev sanoo 0.9, se on oikeassa noin 90% ajasta, joten moottori voi punnita vastausta väärän osuman hintaa vasten, ja kun Jev on epävarma, se sanoo arvaamisen sijaan, ettei mikään ehdokkaista sovi.
Matcha käyttää Jeviä vain jäännökseen, tapauksiin joita moottori ei pysty ratkaisemaan yksin, joten 100,000 osoitteen ajo tekee muutaman tuhat Jev-kutsua, ei sataatuhatta. Aseta TypeSafe-API-avaimesi ympäristöön, lisää adjudicate provider=jev; PROC MATCHA -askeleeseen ja pidä allow_remote pois päältä, kunnes olet päättänyt, että nämä tapaukset saavat poistua koneeltasi.
Jevin käyttöönotto
export TYPESAFE_API_KEY=... # never in a file
adjudicate provider=jev; # inside the PROC MATCHA step
Korruptoitujen osoitteiden vertailussa mitattuna Jev nostaa oikeat osumat 83.3%:sta 87.8%:iin moottorin omalla 98.1%:n tarkkuudella, ja vaiheittaisessa ablaatiossa vääriä vastauksia on 0.8%. Yleisön näppäilemissä todellisissa hauissa se ratkaisi vaikeat tapaukset yhtä usein kuin paikallinen malli, ja kun mikään ehdokas ei ollut oikea, se kertoi sen eikä valinnut mitään.
Avointa viitedataa, päivitetään vain kun sinä sanot
Moottori täsmäyttää antamaasi taulua vasten avointen tietopakettien avulla: Yhdysvaltain osoitepisteet National Address Database -tietokannasta, katujen aliakset Census TIGER -aineistosta ja Kanadan osoitteet Statistics Canadalta, kaikki public domain -aineistoa tai avoimesti lisensoitua. Jenner Analytics rakentaa paketit uudelleen, kun niiden lähteet julkaisevat, validoi ne edellistä julkaisua vasten, allekirjoittaa ne ja julkaisee ne datakanavaan.
Mikään koneellasi ei muutu, ennen kuin ajat päivityksen itse. Jokainen paketti varmennetaan allekirjoitettua manifestia vasten ennen kuin yhtäkään tavua puretaan, ja se vaihdetaan käyttöön atomisesti, joten käynnissä oleva työ näkee vanhan tai uuden paketin, ei koskaan osittaista. PROC MATCHA ei koskaan lataa mitään, ja raportti kirjaa, mitä datajulkaisua ajo käytti.
Tarkista ja päivitä sitten, omassa aikataulussasi
jenner data update --check # what would change; writes nothing
jenner data update # install or refresh every pack
jenner data update --pin 2026.9.28
Alueet
Yhdysvallat on oletus, ja Kanada on tuettu, kaksikieliset muodot mukaan lukien. Aluepaketit Yhdistyneelle kuningaskunnalle, Ranskalle, Japanille, Korealle ja Australialle ovat työn alla. Jokainen niistä on dataa, ei koodia, joten maan lisääminen on paketin lisäämistä.
Yksi täsmäytysmoottori KYC:hen, AML:ään, petoksiin, luottoriskiin, toimituksiin ja vaatimustenmukaisuuteen
Osoitteet toimitetaan jo nyt. Jokainen muu KYC-perheen täsmäytys toimii samalla moottorilla: samat kalibroidut todennäköisyydet, samat kustannuspainotetut päätökset, samat tulosteet ja sama arviointiajo.
Uudenlainen täsmäytys on entiteettimäärittely, ei uusi tuote: tietueen roolit, kunkin roolin vertailija, lohkomisstrategia ja tietopaketit, joita se saa käyttää. Pisteytys, päätökset, jatkokysymyslista ja arviointi ovat jaettua koodia, joten henkilönimitäsmäytys arvioidaan ja hinnoitellaan täsmälleen kuten osoitetäsmäytys.
Ominaisuudet samalla moottorilla
IP-osoite postiosoitteeseen: geopaikannusetäisyys ja VPN-signaalit
Matcha vertaa, mihin istunnon IP-osoite geopaikantuu, asiakkaan ilmoittamaan osoitteeseen geodeettisen etäisyyden avulla, geopaikannussäde epävarmuutena. ASN-, välityspalvelin- ja VPN-liput lasketaan vastatodisteiksi, eivät koskaan tuomioksi yksinään. Tulos on sama kalibroitu todennäköisyys ja kustannuspainotettu päätös kuin osoitetäsmäyksessä, joten petossääntö voi toimia sen perusteella tai ohjata sen review-jonoon.
Esimerkki: Korttihakija antaa Denverin osoitteen IP-osoitteesta, joka geopaikantuu 40 km:n päähän ilman VPN-lippua: yhtäpitävä säteen sisällä. Sama osoite datakeskuksen IP-osoitteesta toisesta maasta: ristiriita, ja rivi hinnoitellaan review-päätökseksi.
Sähköposti henkilöön ja yritykseen: paikallisosa, verkkotunnus ja kertakäyttösignaalit
Sähköposti-identiteettientiteetti testaa, kuuluuko osoite käyttöönotossa ilmoitetulle henkilölle ja organisaatiolle. Paikallisosaa verrataan nimen osiin, mukaan lukien etunimi.sukunimi, nimikirjaimet ja lempinimet; verkkotunnusta verrataan organisaation rekisteröityihin verkkotunnuksiin; ilmaissähköposti- ja kertakäyttöverkkotunnuslistat sekä MX-tietueen olemassaolo ovat todisteita. Jokainen signaali on vertailija, ja moottori kertoo, kuinka vahvasti ne täsmäävät.
Esimerkki:[email protected] vastaan Jane Okafor, Northwind Actuarial: paikallisosa täsmää nimeen ja verkkotunnus yritykseen. [email protected] samaa tietuetta vastaan: kertakäyttöverkkotunnus, ja todennäköisyys kertoo sen.
Yritysnimien täsmäytys: oikeudelliset muodot, lyhenteet ja rekisteritunnisteet
Yritysentiteetti poistaa oikeudelliset muodot ISO 20275:n mukaan, painottaa harvinaisia sanoja, avaa lyhenteet ja antaa rekisteritunnisteen ohittaa nimen: LEI, EIN, UEI ja Companies House -numerot. GLEIF Level 1 -data ja EDGARin aiemmat nimet ovat tietopaketteja, joten nimensä vaihtanut yritys täsmää edelleen kirjanpitosi vastapuoleen. Toimittajien validointi, vastapuolten täsmäytys ja KYB käyttävät samaa ajoa.
Esimerkki: "INTL BUSINESS MACHINES CORP" vastaan "International Business Machines Corporation" täsmäävällä LEI-tunnuksella: match, rekisteritunniste ohittaa nimen. "IBM Credit LLC" emoyhtiötä vastaan: nonmatch, oikeudellisen muodon ja harvinaisten sanojen todisteet raportoituna.
Henkilönimien täsmäytys: lempinimet, translitterointi, fonetiikka ja syntymäaika
Henkilöentiteetti vertaa etu-, toisia ja sukunimiä lempinimipakettien, kyrillisestä, arabiasta ja CJK:sta tehdyn translitteroinnin, foneettisen vertailun ja nimijärjestysvarianttien avulla, ja käsittelee vaihtuneen syntymäajan tai tarkistussummaltaan kelvollisen kansallisen tunnuksen sinä todisteena, joka se on. Pakote- tai PEP-lista on tavallinen viitetaulu, jossa ohi menneen täsmäyksen kustannus on asetettu korkeaksi, joten seulonta ja asiakasdeduplikointi ovat sama moottori eri hinnoilla.
Esimerkki: "Mohammed Al-Rashid, 03/07/1981" vastaan "Muhammad Alrashid, 07/03/1981": translitterointi täsmää, päivämäärässä päivä ja kuukausi ovat vaihtaneet paikkaa, ja rivi palautuu seulontaosumana todennäköisyyksineen ohi menneen sijaan.
Puhelinnumerot ja tunnisteet: IBAN, VIN, NPI ja kansalliset tunnukset
Puhelinnumerot normalisoidaan E.164-muotoon ja tarkistetaan maa- ja suuntanumeron johdonmukaisuuden sekä operaattorityypin osalta. Tunnisteet validoidaan ennen täsmäytystä: IBAN-, VIN- ja NPI-tarkistussummat, muodon ja myöntäjän johdonmukaisuus, kansallisten tunnusten muodot. Kelvollinen tunniste on vahva todiste; kelvoton on löydös itsessään, joka raportoidaan ennen kuin yhtäkään ehdokasta pisteytetään.
Esimerkki: Hakijan IBAN ei läpäise mod-97-tarkistusta: rivi merkitään ennen täsmäytystä perusteluineen sen sijaan, että se pisteytettäisiin viitetaulun jokaista tiliä vasten.
Koordinaatit, kotitaloudet, transaktioiden vastapuolet ja tuotenimet
Entiteetit yhdistyvät. Laitteen koordinaatti käänteisgeokoodataan lähimpään osoitepisteeseen; kotitalous on osoitetäsmäys plus yhtäpitävä sukunimi; transaktion vastapuoli on yritys tai henkilö plus tili ja maa; tuote- tai lääkenimi täsmätään osien sisältymisen perusteella koodiohituksella. Pisteytyskoodi ei tunne eroa, ja siksi jokainen niistä toimii samalla moottorilla samalla arviointiajolla.
Esimerkki: Toimitussovelluksen GPS-paikannus osuu 30 m:n päähän tilauksen osoitteesta: yhtäpitävä, etäisyys raportoituna. Kaksi asiakastietuetta samassa osoitteessa yhtäpitävällä sukunimellä: yksi kotitalous, linkillä kalibroitu todennäköisyys.
Todenna hakijan antama osoite, sähköposti, puhelinnumero ja tunnisteet yhdessä askeleessa, yksi todennäköisyys per tarkistus ja yksi jatkokysymys, kun jokin on monitulkintaista. Matcha ratkaisee osoitteen hakijan ollessa vielä sivulla ja kysyy "Milton or Morton?" sen sijaan, että tarkistus hylättäisiin tai päästettäisiin läpi.
Vertaa istunnon IP-sijaintia ilmoitettuun osoitteeseen, laitteen koordinaattia toimitusosoitteeseen ja sähköpostia henkilöön, ja saat todisteita, joiden perusteella sääntö voi toimia, mustan laatikon pistemäärän sijaan. Jokainen täsmäyttimen harkitsema ehdokas raportoidaan, mukana todennäköisyys sille, ettei totuus ole taulussasi lainkaan.
Seulo henkilö- ja yritysnimet pakote- ja PEP-listoja vasten translitteroinnin, lempinimien, fonetiikan ja vaihtuneiden syntymäaikojen avulla, seulontaa varten hinnoiteltuna: ohi mennyt osuma kallis, väärä hälytys halpa. Lista on viitetaulu, arviointiajo pisteyttää osumaprosenttisi tunnettuja tapauksia vasten, ja kalibrointikäyrä kertoo, mitä 0,9 tarkoittaa sinun datallasi.
Ratkaise hakemuksen, kaupan tai kirjanpidon yritykset yhdeksi oikeushenkilöksi yli oikeudellisten muotojen, aiempien nimien ja rekisteritunnisteiden, jotta vastuu lasketaan kerran. LEI, EIN, UEI ja Companies House -numerot ohittavat nimet, kun ne ovat saatavilla, ja vahvistavat ne, kun eivät ole.
Standardoi jokainen osoite alueensa postisääntöjen mukaan, täsmäytä se palveltavien osoitteiden tauluusi ja saa tietää, milloin osoite on todellinen mutta alueesi ulkopuolella tai todellinen mutta puuttuu taulustasi. Laitteen koordinaatti ovella vahvistaa toimituspisteen, ja kustannuspainot päättävät, milloin väärä osoite on pahempi kuin hylätty tilaus.
Jokainen päätös kantaa mukanaan todennäköisyyden, perustelun ja harkitut ehdokkaat tauluissa, jotka jäävät sinulle. Mikään ei poistu koneeltasi, ellet itse päätä lisätä mallia, raportti kirjaa, mitä datajulkaisua ajo käytti, ja sama arviointiajo toistaa tuloksen tarkastajalle kuukausia myöhemmin.
PROC MATCHA on osa Jenneriä, ei erillinen tuote eikä rivikohtainen maksu. Windowsilla ja Linuxilla Jenner-lisenssi ostetaan kerran konetta kohden ja se on pysyvä: ostamasi versio toimii niin kauan kuin haluat käyttää sitä, ja uudet julkaisut sekä tuki sisältyvät vuoden ajan. Jenner macOS:lle on Mac App Storessa, ja Workspace laskutetaan tunneittain.
Jenner Analytics ei veloita täsmäytetystä rivistä, harkitusta ehdokkaasta eikä esitetystä kysymyksestä. Jos valitset Jevin, TypeSafe hinnoittelee sen syötetokenia kohden, ja se näkee vain jäännöksen.
Jenner ajaa olemassa olevaa PROC DQMATCH- ja PROC DQSCHEME -koodia yhteensopivuuden vuoksi, joten SAS-datanlaatuohjelma toimii edelleen. Matcha on suositeltu täsmäytin uuteen työhön: se käyttää samaa SAS-tyylistä lausesyntaksia, mutta palauttaa jokaiselle päätökselle kalibroidun todennäköisyyden ja perustelun, osaa esittää jatkokysymyksen ja lukee sekä kirjoittaa CSV-, Parquet- ja Avro-tiedostoja sekä useimpia tietokantoja saman data=-syntaksin kautta, joten et ole sidottu kumpaankaan työkaluun.
Ei. Moottori on natiivia Rustia Jenner-binäärin sisällä eikä tee verkkokutsuja; viitedata on antamasi taulu sekä koneellesi asennetut tietopaketit. Kielimallit ovat oletuksena pois päältä. Paikallinen malli Ollaman kautta pitää kaiken omalla laitteistollasi. Etämallia kuten Jeviä käytetään vain, jos otat sen käyttöön kokoonpanossa, ja silloinkin se näkee vain ratkaisemattomat tapaukset ehdokkaineen, ei koskaan koko tiedostoa.
Yhdysvallat on oletusalue, standardoituna USPS Publication 28:n mukaan ja avoimella osoitedatalla National Address Database -tietokannasta ja Census TIGER -aineistosta. Kanada on tuettu, kaksikieliset ranskankieliset muodot ja kanadalaiset postinumerot mukaan lukien, Statistics Canadan datalla. Aluepaketit Yhdistyneelle kuningaskunnalle, Ranskalle, Japanille, Korealle ja Australialle ovat työn alla. Voit täsmäyttää omaa viitetauluasi vasten missä tahansa maassa jo nyt; paketit lisäävät standardointisäännöt ja avoimet osoitepisteet.
Kyllä. Moottori ei tarvitse palvelua, avainta eikä verkkoa. Viitepaketit asennetaan kerran komennolla jenner data update ja päivitetään vain, kun ajat saman komennon uudelleen. Paikallisella Ollama-mallilla myös valinnainen ratkaisuvaihe toimii offline-tilassa; vain Jev on etäkutsu, ja vain jos otat sen käyttöön.
Kun moottori ei pysty valitsemaan ehdokkaiden välillä ja olet hinnoitellut jatkokanavan, nämä rivit tulevat ulos review-päätöksinä järjestettyine ehdokkaineen, täsmälleen sen kentän kanssa, joka ratkaisisi kysymyksen (pääte, suunta, huoneisto), sekä todennäköisyyksineen. Prosessisi muuttaa sen kysymykseksi sille, joka osaa vastata: tekstiviestivastaus, kehote käyttöönottolomakkeella, puhelinpalvelun näyttö. Kukaan täsmäytyspuolella ei lue näitä rivejä, ja ilman hinnoiteltua kanavaa ne raportoidaan nonmatch-päätöksinä samoine ehdokkaineen.
Anna ajolle totuustiedosto syötteistä, joiden oikean tietueen tiedät, ja Matcha pisteyttää jokaisen päätöksen sitä vasten: oikein ensimmäisellä yrityksellä, tarkkuus, väärät vastaukset, saanti viiden parhaan ehdokkaan joukossa, oikeat kieltäytymiset alueen ulkopuolisissa syötteissä, kalibrointikäyrä ja odotettu kustannus eri virhepainoilla. Tällä sivulla julkaistut tulokset tulevat samasta ajotilasta, julkisista hauista, joiden lopputulos tunnetaan, ja vääristetyistä osoitteista, joiden totuus tiedetään tarkasti.
Kyllä, samalla moottorilla. Osoitteet toimitetaan jo nyt. Henkilönimet, yritysnimet, sähköposti-identiteetti, IP-sijainti, puhelinnumerot, tarkistussummalliset tunnisteet sekä pakote- tai PEP-listat ovat entiteettejä, jotka sama moottori täsmäyttää, samoine kalibroituine todennäköisyyksineen, kustannuspainotettuine päätöksineen, tulosteineen ja arviointiajoineen. Seulontalista on tavallinen viitetaulu, jossa ohi menneen täsmäyksen kustannus on asetettu korkeaksi. Pyydä tarvitsemasi entiteetin saatavuutta tämän sivun lomakkeella.
Matcha sisältyy Jenneriin, joten ostat Jennerin: pysyvän konekohtaisen lisenssin Windowsille ja Linuxille, Jennerin macOS:lle Mac App Storesta tai tuntiperusteisia Workspace-krediittejä. Rivi- tai täsmäyskohtaista maksua ei ole. Hinnoittelusivulla ovat nykyiset paketit ja ilmainen kokeilu.
Kyllä. Pakote- tai PEP-lista on henkilö- tai yritysviitetaulu, ja seulonta on täsmäytystä käänteisin kustannuksin: ohi mennyt osuma hinnoiteltu korkeaksi, väärä hälytys matalaksi. Henkilöentiteetti käsittelee lempinimet, translitteroinnin kyrillisestä, arabiasta ja CJK:sta, foneettisen vertailun, nimijärjestysvariantit ja vaihtuneet syntymäajat, ja arviointiajo pisteyttää osumaprosenttisi tunnettuja tapauksia vasten. Pyydä saatavuutta tämän sivun lomakkeella.
Kyllä. IP-sijaintientiteetti geopaikantaa istunnon IP-osoitteen ja vertaa sitä ilmoitetun osoitteen koordinaatteihin geodeettisen etäisyyden avulla, geopaikannussäde epävarmuutena, ja käsittelee ASN-, välityspalvelin- ja VPN-liput vastatodisteina. Tulos on sama kalibroitu todennäköisyys ja päätös kuin osoitetäsmäyksessä, joten petossääntö tai review-jono voi käyttää sitä suoraan.
Kyllä. Yritysentiteetti poistaa oikeudelliset muodot ISO 20275:n mukaan, painottaa harvinaisia sanoja, avaa lyhenteet ja antaa rekisteritunnisteen ohittaa nimen: LEI, EIN, UEI ja Companies House -numerot. GLEIF-data ja EDGARin aiemmat nimet ovat tietopaketteja, joten nimensä vaihtanut yritys ratkeaa edelleen kirjanpitosi vastapuoleen. Se on toimittajien validointi, vastapuolten täsmäytys ja KYB yhdessä ajossa.
Jev on TypeSafen (typesafe.ai) System One -malli. Tekstin tuottamisen sijaan se vastaa tyypitettyyn kysymykseen, mikä ehdokas, jos mikään, on sama paikka kuin tämä osoite, valinnalla, kalibroidulla todennäköisyydellä ja luottamuksella. Matcha käyttää sitä, koska se on täsmäytyspäätöksen muoto: kun Jev sanoo 0.9, se on oikeassa noin 90% ajasta, ja kun se on epävarma, se sanoo, ettei mikään ehdokkaista sovi. Sitä kutsutaan vain jäännökseen, jota moottori ei pysty ratkaisemaan, muutama tuhat kutsua 100,000 riviä kohden, ja korruptoitujen osoitteiden vertailussa se nostaa oikeat osumat 83.3%:sta 87.8%:iin moottorin omalla 98.1%:n tarkkuudella. Se on oletuksena pois päältä ja tarvitsee TypeSafe-API-avaimen ympäristöön sekä adjudicate provider=jev; askeleeseen.
Kyllä. Osoita Matcha paikalliseen malliin, jota Ollama tarjoaa omalla laitteistollasi, täysin offline, niin sama ratkaisuaskel ajetaan ilman että mikään poistuu koneelta. Mittaamme mallilla qwen2.5:7b-instruct. Paikallinen malli vastaa lähes jokaiseen sille näytettyyn tapaukseen, mikä löytää eniten osumia, 89.3% oikein korruptoitujen osoitteiden vertailussa, ja suunnilleen kaksinkertaistaa väärät vastaukset Jeviin verrattuna. Voit myös ajaa molemmat rinnakkain ja saada agree-lipun riviä kohden. Kumpaakaan ei vaadita: moottori yksin ei tarvitse mallia, avainta eikä verkkoa.
Kokeile omilla osoitteillasi
Aja arviointi muutamaa sataa tietuetta vasten, jotka voit taata, ja saat yhden rehellisen luvun siitä, kuinka hyvä se on sinun datallasi.
Osoitteet toimitetaan jo nyt. Pyydä arviointiajoa omalla datallasi tai pyydä samalla moottorilla toimivan ominaisuuden saatavuutta, niin vastaamme aikatauluineen ja kerromme, mitä käyttöönotto vaatii.
Katso Matcha itse
Osta Jenner ja aja PROC MATCHA omilla osoitteillasi, lue dokumentaatio tai katso kolmen minuutin esittely Jenneristä.
