Volltext-Downloads (blau) und Frontdoor-Views (grau)

KOBRA: Praxisfähige lernbasierte Verfahren zur automatischen Konfiguration von Business-Regeln in Duplikaterkennungssystemen

  • Duplikaterkennung, -suche und -konsolidierung für Kunden- und Geschäftspartnerdaten, sog. „Identity Resolution“, ist die Voraussetzung für erfolgreiches Customer Relationship Management und Customer Experience Management, aber auch für das Risikomanagement zur Minimierung von Betrugsrisiken und Einhaltung regulatorischer Vorschriften und viele weitere Anwendungsfälle. Diese Systeme sind jedochDuplikaterkennung, -suche und -konsolidierung für Kunden- und Geschäftspartnerdaten, sog. „Identity Resolution“, ist die Voraussetzung für erfolgreiches Customer Relationship Management und Customer Experience Management, aber auch für das Risikomanagement zur Minimierung von Betrugsrisiken und Einhaltung regulatorischer Vorschriften und viele weitere Anwendungsfälle. Diese Systeme sind jedoch hochkomplex und müssen individuell an die kundenspezifischen Anforderungen angepasst werden. Der Einsatz lernbasierter Verfahren bietet großes Potenzial zur automatisierten Anpassung. In diesem Beitrag präsentieren wir für ein KMU praxisfähige, lernbasierte Verfahren zur automatischen Konfiguration von Business-Regeln in Duplikaterkennungssystemen. Dabei wurden für Fachanwender Möglichkeiten entwickelt, um beispielgetrieben das Match-System an individuelle Business-Regeln (u.a. Umzugserkennung, Sperrlistenabgleich) anzupassen und zu konfigurieren. Die entwickelten Verfahren wurden evaluiert und in einer prototypischen Lösung integriert. Wir konnten zeigen, dass unser Machine-Learning-Verfahren, die von einem Domainexperten erstellten Business-Regeln für das Duplikaterkennungssystem „identity“ verbessern konnte. Zudem konnte der hierzu erforderliche Zeitaufwand verkürzt werden.show moreshow less

Export metadata

Statistics

frontdoor_oas
Metadaten
Author:Simone BraunORCiDGND, Georges Alkhouri, Eric Peukert
Editor:Ralf H. Reussner, Anne Koziolek, Robert Heinrich
Creating Corporation:Gesellschaft für Informatik
Place of publication:Bonn
Year of Publication:2021
Pagenumber:15
ISBN:978-3-88579-701-2
Language:German
Tag:Entity Resolution; Identity Resolution; Nonlinear Regression; Reinforcement Learning; Sequential Model-Based Optimization
DDC classes:000 Allgemeines, Informatik, Informationswissenschaft / 000 Allgemeines, Wissenschaft / 004 Informatik
Parent Title (German):Lecture Notes in Informatics - proceedings
Volume:P-307
ISSN:1617-5468 (Print)
ISSN:1617-5468 (Online)
First Page:395
Last Page:409
Document Type:Conference Proceeding
Institutes:Bibliografie
Acces Right:Frei zugänglich
Release Date:2021/01/28
Licence (German):License LogoCreative Commons - CC BY-SA - Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International
Note:
50. Jahrestagung der Gesellschaft für Informatik (INFORMATIK-2020), Back to the Future, September 28-October 2 2020, Karlsruhe
DOI:https://doi.org/10.18420/inf2020_37