Benzer adları yapay zekâyla eşleştirirken ayrı kayıtları birleştirmeyin.

Aynı görünen ad iki farklı yeri gösterebilir

Kendi etkinlik araştırmanız için farklı listelerden atölye adları topladınız. Bir satırda ‘Ada Tasarim’, diğerinde ‘Ada Tasarım Atölyesi’ yazıyor. Yapay zekâ bunları birleştirmeyi öneriyor. Yazım farkı gerçekten aynı kaydı gizliyor olabilir; fakat aynı ad iki şehirde farklı atölyeleri de gösterebilir. Benzerliği tespit etmek ile aynı varlık olduğuna karar vermek iki ayrı adımdır.

Bu örnekteki adlar, şehir eşleşmeleri ve kodlar sentetiktir; gerçek işletme bilgileri araştırılmaz. Üç satırlık ana liste ile beş yeni kaydı karşılaştıracağız. Ana listedeki kodların güvenilir ve benzersiz olduğunu varsayıyoruz. Yeni kayıtta kod varsa diğer alanlarla açık çelişki bulunmadığında eşleşmeyi kabul edeceğiz. Eksik kod veya çelişki varsa yeni kayıt hemen ana listede değişiklik yapmayacak.

Microsoft’un Power Query açıklaması, benzer metin eşleşmesinin metindeki ek sözcüklerden, eşikten ve dönüşüm tablolarından etkilenebildiğini gösterir. Bu bir aday bulma mekanizmasıdır; bu uygulamada araçtan ölçülmüş benzerlik puanı kullanmıyoruz. Yüzde 90 benzerlik gibi bir sayıyı aynı işletme olma olasılığı diye yorumlamak için de burada bir dayanak yoktur.Kaynak: Microsoft Power Query — Benzer metin eşleştirme nasıl çalışır?

Hangi alanın kimlik taşıdığını açıklayın

M1 ile M2’nin adı tam olarak aynıdır. İsimdeki bütün harfleri doğru okumak bu iki kaydı ayırmaya yetmez. Şehir, adayları daraltan bağlamdır; güvenilir kod ise bu küçük örnekte kimliği belirleyen alandır. Gerçek dosyada bir kodun başka sistemden gelmesi veya yeniden kullanılması mümkünse önce bu varsayımı doğrulayın. Kod sütunu olması, kodların kendiliğinden güvenilir olduğunu göstermez.

Ham adları koruyun. Büyük harf, boşluk veya Türkçe karakter farklılıklarını karşılaştırma için ayrı sütunda düzenleyebilirsiniz. Ancak ham kaydı değiştirmek sonradan hatanın nereden geldiğini anlamayı zorlaştırır. Özellikle genel bir ‘Ada’ eşlemesini doğrudan A10 koduna bağlamak M2’yi de yanlış kayda taşıyabilir. Dönüşüm sözlüğünün hangi bağlamda geçerli olduğunu belirtmek gerekir.

Aday, belirsizlik ve çelişkiyi ayrı gösterin

N2 makul bir adaydır, fakat örneğin kabul kuralı kod teyidini gerektirir. Onu ‘eşleşti’ diye yazmak belirlenmiş kanıt düzeyini düşürür. N5 daha farklıdır: bilgi yalnızca eksik değil, birbiriyle çelişkilidir. Kodun mu şehrin mi yanlış olduğunu modelin tahmin etmesine bırakmayın. Kaynak kaydın sahibi çelişkiyi çözene kadar iki ana kaydı birleştirmeyin veya alanlarını birbirinden tamamlamayın.

Bu sınıflandırmada iki kayıt doğrulanmış, biri aday, biri belirsiz ve biri çelişkili olarak beklemektedir. Beş satırın tamamı için karar vardır ama beş eşleşme yoktur. Çıktının dolu görünmesi adına bütün satırlara tek bir ana kimlik atamak uygulamanın amacını bozar. Aday listesini birleştirme tablosuna dönüştürmeden önce kabul edilmiş durumları filtrelemek gerekir.

Modelden kesin eşleşme uydurmasını istemeyin

M1–M3 ana listesi ve N1–N5 yeni kayıtlarını kullan. Ham alanları koru. Güvenilir kod ve çelişkisiz şehir varsa eşleşmeyi doğrula. Kod eksikse yalnızca aday öner; birden çok aday varsa hepsini göster. Kod ile şehir çatışırsa kaydı beklet. Benzerlik puanı uydurma ve ana listeyi değiştirme. Çıktıda yeni kayıt, aday, durum, dayanak ve gereken teyit alanı bulunsun.

N1 → M1 ve N3 → M3: doğrulanmış eşleşmeler.
N2 → M2: kod teyidi bekleyen aday.
N4 → M1 veya M2: şehir/kod bilgisi gerekiyor.
N5: A10 ile İzmir çelişkisi kaynakta düzeltilmeli.
Ana liste birleştirilmedi. Doğrulanmış eşleşme sayısı 2/5; bu bir model doğruluk oranı değildir.

Bu çıktı açıklama için elle hazırlanmıştır. Bir eşleştirme aracını çalıştırdığınızı veya gerçek performansını ölçtüğünüzü göstermez. Kendi uygulamanızda hata örneklerini inceleyerek otomatik kabul kuralını ayrıca belirlemeniz gerekir. Yanlış birleştirme ile kaçırılan eşleşme farklı sonuçlar doğurur; ikisini tek bir yüksek eşleşme sayısı altında gizlemeyin. Önce amaç için hangi hatanın nasıl düzeltileceğini yazın.

Yeni bilgi geldiğinde yalnızca ilgili kararı güncelleyin

1. Ana kod gerçekten benzersiz ve güvenilir mi?
2. Ham ad, şehir ve kod korunuyor mu?
3. Benzerlik önerisi doğrulanmış eşleşmeden ayrılmış mı?
4. Birden çok aday ve alan çelişkisi görünür mü?
5. İnceleme sonrası değişen kararın dayanağı kaydedilmiş mi?

Küçük alıştırma: N2 için güvenilir kaynak A11 kodunu teyit etti. N2 artık M2 ile doğrulanır; doğrulanmış eşleşme sayısı üçe çıkar. N4’ün ve N5’in durumları değişmez. Aynı ad grubundaki bir satırın teyit edilmesi diğer bütün satırların da o kayda ait olduğunu göstermez. Bu nedenle düzeltmeyi genel bir metin değiştirme kuralıyla bütün listeye yaymayın.

Son dosyada ana liste, yeni ham kayıtlar ve eşleştirme kararları ayrı tablolar olarak durabilir. Böylece hangi satırın hangi kanıtla bağlandığı yeniden incelenir. Yapay zekâ benzer adayları bulmayı kolaylaştırsa da kayıt kimliğinin korunması, eşleşmeyen satırların açık bırakılmasına da bağlıdır. Tamamlanmış inceleme, her satıra zorunlu bir kimlik vermek demek değildir.