Alle … Personen (P2 = Q7) wurden paarweise gegen den
Regelkatalog (FactGrid,
regel.md) geprüft. — zurück zur Suche
· Tabellen-Import
Vertrauensstufe je Signal, kalibriert an der Stichproben-Verifikation: hoch = gemeinsame externe ID (Tier 0); mittel = Name+Geburtsjahr / Familie+Vorname+Jahr (Tier 2); niedrig = gewichtetes Scoring (Tier 3). Nur „hoch" ist verlässlich genug für Auto-Merge; alles andere sind Prüf-Kandidaten.
Eine stratifizierte Stichprobe der Paare wurde unabhängig gegen die Live-FactGrid-Items geprüft (Präzision = bestätigte Dubletten ÷ geprüfte „identisch").
Statt eines O(n²)-Vergleichs werden Paare über Blocking-Schlüssel gebildet
(geteilte externe ID · Name+Geburtsjahr · Familienname+Vorname+Jahr · gleicher Name).
Jedes Paar durchläuft den gestuften Regelkatalog aus regel.md
(Tier 0 deterministisch → Tier 1 harte Ausschlüsse → Tier 2 starke Treffer →
Tier 3 Scoring). „identisch"-Kanten werden per Union-Find zu Clustern verschmolzen.
Zwei Verschärfungen gegenüber der Einzelfall-Reconciliation für den All-Pairs-Lauf: (1) Eine geteilte externe ID gilt nur dann als „identisch", wenn kein harter Ausschluss (Geschlecht / Eltern-Kante / >30 J. Abstand) widerspricht — sonst ID-Konflikt (Haushalts-/Werk-IDs im Bestand). (2) Ein score-„identisch" verlangt einen diskriminierenden Anker (Geburtsjahr, gleiche Eltern oder Geburtsort); Name+Wohnort+Religion allein (in einem Dorfregister nahezu konstant) wird auf „mehrdeutig" gedeckelt.
Paare im Score-Korridor 4–7 — manuelle Entscheidung nötig.
Zwei Items teilen eine externe ID, widersprechen sich aber hart (Geschlecht / Eltern / >30 J.) — wahrscheinlich falsche ID-Verknüpfung oder fälschlich getrennte Records. Datenqualität.
Große Blöcke gleichlautender (normalisierter) Namen ohne gemeinsames Geburtsjahr — strukturell nicht auflösbar (z. B. Patronyme), daher nur als Sammelblock geführt.