Referência do perfil de comparação

Cada opção que um perfil de comparação pode usar.

Configurações do perfil

Configuração	Significado
Tipo de entidade	O tipo que este perfil compara. Um perfil ativo por tipo de entidade por vez.
Limiar de vínculo automático	Peso composto no qual ou acima do qual um par se consolida sozinho. Unidades logarítmicas de evidência. Padrão 10.0, faixa 0–100.
Limiar de revisão manual	Peso composto no qual ou acima do qual um par entra na fila de revisão. Precisa ser igual ou inferior ao de vínculo automático — verificado ao salvar. Padrão 5.0, faixa 0–100.
Probabilidade a priori	A fração assumida de pares candidatos que são correspondências verdadeiras. Afeta apenas a confiança reportada. Padrão 0.00001.
Mínimo de atributos concordantes	Atributos distintos que precisam concordar antes do vínculo automático, salvo se um nível determinístico resolveu. Independente de limiar. Padrão 1, faixa 1–20.
Ativo	Exatamente um perfil por tipo de entidade pode estar ativo. Ativar um desativa os irmãos atomicamente.

Comparadores

Usados por níveis de comparação para graduar quão bem dois valores concordam.

Comparador	Compara	Notas
exact	Igualdade de valores canônicos	O único comparador que um nível determinístico pode usar
jaro_winkler	Similaridade textual, favorecendo prefixos comuns	Adequado a nomes de pessoa
levenshtein	Distância de edição	Erros de digitação e de transcrição
prefix	Um prefixo	Valores truncados ou abreviados
last_n	Os n caracteres finais	Identificadores dos quais só o sufixo é retido
phonetic	Como os valores soam	Recebe um codec — veja abaixo
equivalence_set	Pertencimento a um grupo de equivalentes conhecidos	Apelidos e abreviações, via dicionário nomeado
token_aligned	Valores como conjuntos de tokens, sem ordem	Nomes multipartes reordenados
date_equal	Duas datas por igualdade
date_within	Duas datas dentro de uma tolerância	Recebe uma quantidade e uma unidade
numeric_equal	Dois números por igualdade
numeric_within	Dois números dentro de uma tolerância	Recebe um delta e uma unidade
lookup_equal	Dois códigos de dados de referência	Compara códigos canônicos, não rótulos
address_component	Uma parte nomeada de um endereço composto	Ciente de composto
address_expand	Endereços inteiros, após expansão	Ciente de composto
null_handling	Como um valor ausente é tratado
multi_valued_best	Envolve outro comparador em atributos multivalorados	Raramente necessário — multivalorados são enumerados automaticamente

Comparadores escalares e atributos compostos

Um comparador escalar aplicado a um atributo composto inteiro — um endereço, uma licença — é rejeitado ao salvar o perfil. Dois compostos completamente diferentes se comparariam como iguais, o que consolida de forma catastrófica. Mire um sub-campo nomeado, ou use um comparador ciente de composto.

Primitivos de blocagem

Usados por estratégias de blocagem para derivar chaves de coleta de candidatos.

Primitivo	Emite
exact	O valor canônico como chave
prefix	Um prefixo do valor
phonetic	Uma codificação fonética — recebe um codec
year_of	A parte do ano de uma data
concat	Uma chave combinando vários primitivos filhos
any_of	A união das chaves de vários primitivos filhos
trigram_gin	Um recuo por similaridade em vez de chave de igualdade

Atributos multivalorados se desdobram: uma chave por valor. Um composto combina seus filhos, e é suprimido inteiramente se todo valor contribuinte for suprimido como anônimo.

Campos de uma estratégia de blocagem

Uma estratégia envolve uma árvore dos primitivos acima. Ela aceita quatro campos, e nenhum deles é fixo após a criação.

Campo	Aceita	Padrão	O que faz
strategyName	1–40 caracteres	—	Nomeia a estratégia, para que um perfil com várias possa ser raciocinado.
primitiveTree	Uma árvore de primitivos	—	Quais chaves esta estratégia deriva. Uma árvore malformada é recusada ao salvar, em vez de silenciosamente não reunir nada.
anonSuppress	verdadeiro ou falso	false	Se valores comuns demais para servir de evidência são descartados das chaves desta estratégia. Veja adiante.
sortOrder	Inteiro, 0 ou maior	0	Ordem de apresentação entre as estratégias do perfil.

Um perfil normalmente carrega várias estratégias. Cada uma deriva suas próprias chaves, e um registro é candidato se qualquer uma delas casar — então as estratégias somam abrangência em vez de estreitarem umas às outras.

Ligue anonSuppress em estratégias baseadas num valor comum

O padrão é desligado, o que significa que uma estratégia que bloqueia apenas por sobrenome vai reunir todos os Silva do tenant como candidatos de todos os outros Silva. Isso não está errado — eles genuinamente compartilham a chave — mas é caro e não produz nada que a pontuação possa aproveitar.

Com a supressão ligada, valores que aparecem com frequência alta demais para distinguir alguém deixam de gerar chaves para aquela estratégia. Mantenha desligado em estratégias já seletivas, como um identificador nacional ou um CEP combinado com sobrenome.

Codecs fonéticos

Codec	Notas
soundex	Clássico, agressivo; alta abrangência, baixa precisão
dmetaphone	Double metaphone; lida substancialmente melhor com nomes de origem não inglesa

Estes dois são o conjunto completo. Um nome de codec fora desta lista não emite chave alguma — produzindo silenciosamente uma estratégia de blocagem que nunca reúne nada.

Estratégias de sobrevivência

Escolhem o valor vencedor por atributo após uma consolidação.

Estratégia	Vencedor	Vencedores por grupo
source_priority	O valor da origem de maior prioridade	1
most_recent	O valor atualizado mais recentemente. Padrão do motor quando nenhuma regra é definida.	1
oldest_value	O valor do registro contribuinte mais antigo	1
max	O máximo numérico ou ordenado	1
min	O mínimo numérico ou ordenado	1
frequency	O valor mais comum entre os contribuintes	1
aggregation	Todo valor distinto, deduplicado	Vários

Regras se aplicam por grupo (atributo, tipo de uso), então um atributo multivalorado com tipos de uso resolve cada tipo independentemente — um endereço residencial vencedor e um comercial, não um endereço só.

aggregation é a escolha certa para atributos genuinamente multivalorados como e-mail e telefone, onde colapsar num único vencedor perde dados reais.

Níveis de comparação

Um nível de comparação — um degrau de uma escada — é o que avalia um atributo. Estes são os campos que cada degrau aceita.

Campo	Aceita	Padrão	Alterável	O que faz
attributeName	1–100 caracteres. Um nome de atributo simples, ou um caminho pontuado dentro de um composto	—	Não	Qual atributo este degrau avalia. address.postalCode mira um sub-campo; um sub-campo que o composto não declara é recusado ao salvar. Um degrau não pode ser movido para outro atributo — crie um novo.
levelName	1–40 caracteres	—	Sim	O rótulo do degrau, como exact, phonetic, mismatch.
levelOrder	Inteiro, 0 ou maior	—	Sim	Posição na escada. O motor percorre em ordem crescente e assume o primeiro degrau que se encaixa, então a ordem é comportamento, não apresentação.
comparator	Até 40 caracteres, ou vazio	—	Sim	Como os dois valores são avaliados. Deixar vazio marca o degrau abrangente que registra uma divergência.
comparatorConfig	Um objeto	{}	Sim	As configurações daquele comparador. O formato varia por comparador — veja Comparadores.
mProbability	0 a 1	—	Sim	Com que confiabilidade este degrau dispara quando dois registros são de fato o mesmo.
uProbability	0 a 1	—	Sim	Com que frequência ele dispara por pura coincidência.
isDeterministic	verdadeiro ou falso	false	Sim	Resolve o par sozinho, independentemente do total. Legal apenas com o comparador exact.

O peso não é você quem define

Não existe campo de peso, e a ausência é deliberada. A plataforma o calcula a partir das duas probabilidades quando você salva o degrau:

matchWeight = log2(mProbability / uProbability)

Se a interface aceitasse um peso, o número na tela poderia divergir do número com que o motor pontua. Em vez disso você declara o que acredita sobre a evidência — quão confiável é a concordância e com que frequência ela acontece por acaso — e o peso decorre disso.

Outros três valores são devolvidos mas nunca definidos: o sub-campo resolvido, o atributo resolvido e o próprio peso.

Regras que a plataforma impõe

• Níveis são ordenados; o motor assume o primeiro que se encaixa.
• Toda escada precisa terminar num nível abrangente, que é o que registra uma divergência. Sem ele, uma divergência não contribui nada em vez de contar contra o par.
• Um nível pode ser marcado determinístico apenas quando seu comparador é exact.
• Uma escada pode mirar um sub-campo composto com notação pontuada. Um sub-campo que não existe é rejeitado ao salvar, em vez de silenciosamente não pontuar.
• Uma edição precisa alterar ao menos um campo; uma alteração vazia é recusada em vez de aceita como operação sem efeito.

A seguir

• Como funciona a pontuação probabilística
• Ajuste os limiares

---

Última verificação no commit d3c2586b (2026-08-03)