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.…
Document Type: | Conference Proceeding |
---|---|
Conference Type: | Konferenzartikel |
Zitierlink: | https://opus.hs-offenburg.de/4433 | Bibliografische Angaben |
Title (German): | KOBRA: Praxisfähige lernbasierte Verfahren zur automatischen Konfiguration von Business-Regeln in Duplikaterkennungssystemen |
Conference: | 50. Jahrestagung der Gesellschaft für Informatik (INFORMATIK-2020), Back to the Future, September 28-October 2 2020, Karlsruhe |
Author: | Simone BraunStaff MemberORCiDGND, Georges Alkhouri, Eric Peukert |
Year of Publication: | 2021 |
Creating Corporation: | Gesellschaft für Informatik |
Place of publication: | Bonn |
Page Number: | 15 |
First Page: | 395 |
Last Page: | 409 |
Parent Title (German): | INFORMATIK 2020. Gesellschaft für Informatik |
Parent Title (English): | Lecture Notes in Informatics : Proceedings |
Editor: | Ralf H. Reussner, Anne Koziolek, Robert Heinrich |
Volume: | P-307 |
ISBN: | 978-3-88579-701-2 |
ISSN: | 1617-5468 (Print) |
ISSN: | 1617-5468 (Online) |
DOI: | https://doi.org/10.18420/inf2020_37 |
Language: | German | Inhaltliche Informationen |
Institutes: | Fakultät Wirtschaft (W) |
Institutes: | Bibliografie |
DDC classes: | 000 Allgemeines, Informatik, Informationswissenschaft / 000 Allgemeines, Wissenschaft / 004 Informatik |
Tag: | Entity Resolution; Identity Resolution; Nonlinear Regression; Reinforcement Learning; Sequential Model-Based Optimization | Formale Angaben |
Open Access: | Open Access |
Licence (German): | Creative Commons - CC BY-SA - Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International |