OSINT / IDENTITEETTI

Yhdistä tietueita sekoittamatta samannimisiä toimijoita

Kaksi samankaltaista tietuetta ei välttämättä kuvaa samaa kohdetta. Säilytä lähteet, päivämäärät ja päätöksen perusteet myös silloin, kun yhdistäminen ei onnistu.

Asiakirjojen tarkistuspöytä, jossa on rekisterikirja ja yrityskansio.

Tekoälyllä luotu kuvitus

Valitse tunnistettava yksikkö

Kirjaa, edustaako tietue henkilöä, oikeudellista yksikköä, toimipaikkaa, brändiä vai tutkimusorganisaatiota. Suhde ei tarkoita samaa identiteettiä. Normalisoitu nimi auttaa löytämään ehdokkaita, mutta ei ole yhdistämisavain.

Tunnisteet viittaavat eri kohteisiin

Tunnisteet viittaavat eri kohteisiin
IDTunnistettava kohdeTarkistus
SIRENOikeudellinen yksikköYhdeksän numeroa. Tarkista rekisteristä ja tallenna tekstinä, jotta alkunollat säilyvät. Kauppanimi ei korvaa tunnistetta.
SIRETToimipaikkaNeljätoista numeroa, joista yhdeksän ensimmäistä on SIREN. Sama alkuosa voi tarkoittaa yhtä oikeudellista yksikköä mutta kahta eri toimipaikkaa.
ORCID iDTutkimuksessa toimiva henkilöSäilytä koko URI ja alkunollat. Viimeinen merkki voi olla X. Tunniste ei automaattisesti vahvista kaikkia profiilin tietoja.
ROR IDTutkimusorganisaatioTarkista ehdokas, sijainti ja suhteet. Affiliaatioteksti voi sisältää osaston, emoyksikön ja osoitteen; ensimmäinen samankaltainen nimi ei välttämättä ole oikea.
SIRENOikeudellinen yksikkö
SIRET AToimipaikka
SIRET BToimipaikka
Linkitä toimipaikat oikeudelliseen yksikköön — Säilytä toimipaikkatietueet, osoitteet ja päivämäärät erillisinä.

Viisi tarkistusta ennen yhdistämistä

Sama kohde ja rekisteri

Vertaa tunnistejärjestelmää ja arvoa yhdessä. Toimipaikka ja oikeudellinen yksikkö tarvitsevat linkitetyt tietueet.

Jokaisen ominaisuuden lähde

Säilytä URL tai asiakirja, havaintopäivä ja tunnettu voimaantulopäivä nimelle, osoitteelle ja tilalle.

Yhteensopiva ajanjakso

Eri osoite voi johtua muutosta ja nimi voi olla historiallinen. Tarkista ajanjaksot ennen vanhojen arvojen korvaamista.

Näkyvät ristiriidat

Eri tunnisteet samassa rekisterissä tai ristiriitaiset sijainnit edellyttävät tarkistusta. Älä poista eroja siistin tietueen vuoksi.

Peruttava yhdistäminen

Säilytä alkuperäiset rivitunnisteet, sääntö, tarkistaja, päivämäärä ja vastaavuustaulukko, jotta tietueet voidaan erottaa.

Toistettava menetelmä

  1. Säilytä raakatiedot

    Pidä alkuperäiset nimet ja tunnisteet erillään normalisoiduista arvoista.

  2. Muodosta ehdokkaita

    Normalisoi välit ja kirjainkoko hakua varten. Säilytä tarkkeet, vaihtoehdot ja translitteroinnit; älä poista kohteita erottavia loppuosia.

  3. Vertaa riippumattomia asiakirjoja

    Tarkista ID rekisteristä ja muut ominaisuudet sopivista lähteistä. Samaa rekisteriä kopioivat portaalit eivät ole riippumattomia vahvistuksia.

  4. Luokittele päätös

    Käytä luokkia ”sama kohde dokumentoitu”, ”eri kohteet”, ”säilytettävä suhde” tai ”ratkaisematon”. Samankaltaisuus ei ole varmuutta.

  5. Tarkista vaikutus aineistoon

    Vertaa rivimääriä, rikkoutuneita linkkejä ja kadonneita ominaisuuksia. Tarkista myös hylkäykset puuttuvien duplikaattien varalta.

Neljä tavallista päätöstä

Nämä ovat kaavamaisia esimerkkejä, eivät todellisten henkilöiden tai yritysten kuvauksia.

Sama nimi, eri tunnisteet

Päätös : Säilytä kaksi ehdokasta

Ratkaiseva tarkistus : Tarkista rekisteri, kohde ja ajanjakso; nimi ei yksin ratkaise.

Yksi SIREN, kaksi SIRET-tunnistetta

Päätös : Linkitä toimipaikat oikeudelliseen yksikköön

Ratkaiseva tarkistus : Säilytä toimipaikkatietueet, osoitteet ja päivämäärät erillisinä.

Sama ID, vanha osoite

Päätös : Säilytä historia

Ratkaiseva tarkistus : Tarkista lähde ja voimaantulopäivä; erota muutos kirjoitusvirheestä.

Osasto ja emo-organisaatio

Päätös : Luo dokumentoitu suhde

Ratkaiseva tarkistus : Tarkista tietueen taso ja institutionaalinen suhde. Affiliaatio ei tarkoita samaa identiteettiä.

Säilytettävä tieto

Säilytä tietueiden A ja B tunnisteet, kohteen tyyppi, rekisteri ja ID:t, alkuperäiset nimet, lähteet ja päivämäärät, yhtäläisyydet, ristiriidat, perusteltu päätös, tarkistaja ja tarkistuspäivä. Tyhjä kenttä tarkoittaa ”ei ilmoitettu”, ei ”väärä”.

Käytännön kysymyksiä

Todistaako oikea ID-muoto olemassaolon?

Ei. Muoto tai tarkistusmerkki löytää joitakin kirjoitusvirheitä. Tarkista virallinen rekisteri ja oikea kohde.

Voiko yhdistää osoitteen tai verkkotunnuksen perusteella?

Ei automaattisesti. Organisaatiot voivat jakaa osoitteen ja sivusto edustaa ryhmää. Ne ovat vihjeitä.

Miten käännettyjä nimiä käsitellään?

Säilytä julkaistu nimi, kieli, vaihtoehdot ja tarkistettu yhteinen tunniste. Samankaltainen translitterointi ei osoita henkilöiden olevan samoja.

Sulkevatko eri ID:t suhteen pois?

Eivät. Ne voivat tunnistaa eri mutta liittyviä kohteita tai kuulua eri rekistereihin. Dokumentoi suhde.

Pitääkö kaikki sovitetut ominaisuudet julkaista?

Ei. Keruu, sisäinen analyysi ja julkaiseminen ovat eri päätöksiä. Säilytä tarpeelliset ominaisuudet ja rajaa julkaiseminen.

Miten automaattista sovittamista arvioidaan?

Käytä tarkistettuja tapauksia, joissa on virheosumia ja puuttuvia duplikaatteja. Mittaa täsmällisyys ja saanti kuvatulla testijoukolla; samankaltaisuus ei ole luotettavuusprosentti.

DOKUMENTOIDUT TIEDOT

Wikidata: säilytä väitteet, tarkenteet ja lähteet

Suora kohde–arvo-linkki ei kanna koko väitekontekstia. Wikibase RDF erottaa kohteen, väitesolmun, tarkenteet ja lähteet. Tämä on tärkeää ajoitetuille tehtäville, menetelmille ja monille arvoille. Etuliitteet ovat rooleja, eivät luottamustasoja.

wd:Q16wds:…?value?time?refp:ps:pq:prov:wasDerivedFromP1082 · P585
Wikidata: säilytä väitteet, tarkenteet ja lähteet
ViiteArvo tai muotoMitä se yksilöi
wd:EntityKohteen tunniste, kuten dokumentaation Kanada wd:Q16. Käännetty nimi ei korvaa tunnistetta liitoksessa.
p:Entity → statementLiittää kohteen ominaisuuden väitteeseen. Usea väite ei välttämättä ole kaksoiskappale.
ps:Statement → valueLiittää väitteen yksinkertaiseen pääarvoon. Täydet arvosolmut lisäävät määrä- tai aikakomponentteja.
pq:QualifierVäitteen tarkenne. Väestöesimerkin pq:P585 kertoo mittausajasta, ei välttämättä tallennusajasta.
prov:wasDerivedFromStatement → referenceLiittää väitteen lähdesolmuun. Avaa lähde ja tarkista arvon tuki.
pr:Reference propertyLähteen ominaisuus. Useat lähteet yhdelle väitteelle eivät ole lisähenkilöitä tai tapahtumia.
wds:Statement identifierVäitesolmun tunniste, jonka sisäistä muotoa tai merkitystä ei taata. Älä johda merkkijonosta aikaa tai asiakohdetta.

Huomioitavaa aineistossa

Valitse riviyksiköksi kohde, väite tai lähde ennen litistämistä. Useat tarkenteet ja lähteet monistavat rivejä. DISTINCT poistaa identtiset rivit, ei väärää yksikköä. Säilytä kysely, aika ja tunnisteet.

Voiko säilyttää kohteen ja suurimman päivämäärän?

Vain perustellulla valintasäännöllä. Päiväys voi liittyä mittaukseen tai historiaan; väärin linkitetty maksimi voi yhdistää eri tietoja.

Alkuperäisdokumentaatio

Dokumentaatio tarkistettu .

DOKUMENTOIDUT TIEDOT

ORCID: väitteiden alkuperä ja julkisen tietueen rajat

ORCID auttaa erottamaan samannimiset, mutta tietue kokoaa eri alkuperien väitteitä. Lisääjä ja henkilön yhteyden muodostaja voivat erota. Näkyvyys rajaa julkisia havaintoja.

ORCID: väitteiden alkuperä ja julkisen tietueen rajat
ViiteArvo tai muotoMitä se yksilöi
SourceWho added the itemLähde on elementin lisännyt henkilö tai järjestelmä. Tallettava organisaatio ei välttämättä ole kaikkien tietojen laatija.
Assertion originWho made the connectionVäitteen alkuperä muodostaa yhteyden haltijaan. Tutkija voi käynnistää tuonnin, palvelu lisätä sen teknisesti.
AffiliationAssertion + sourceLue affiliaatio lähteen, organisaation ja aikojen kanssa. Itse ja instituution lisäämä eroavat alkuperältään.
PUBLICEveryoneJulkiset näkyvät tietueessa ja julkisessa API:ssa. Näkyvyys ei ole riippumaton todiste.
LIMITEDTrusted partiesLuotetuille osapuolille rajatut eivät ole julkisia; lukeminen vaatii oikeuden. Ulkopuolinen ei voi päätellä sisältöä.
PRIVATEOnly meYksityiset eivät näy julkisesti. Dokumentaatio erittelee haltijan, valtuutettujen ja tapauskohtaisesti tallentavan integraation pääsyn.

Huomioitavaa aineistossa

Tyhjä julkinen tietue ei todista työn, rahoituksen tai julkaisujen puuttumista. Säilytä lukuaika; todennettu ORCID-tiliyhteys ei vahvista kaikkia pätevyyksiä.

Takaako organisaatiolähde koko tietueen?

Ei. Tarkista jokainen elementti ja erota lähde sekä väitteen alkuperä. Instituution affiliaatio ei vahvista haltijan erikseen lisäämiä artikkeleita.

Alkuperäisdokumentaatio

Dokumentaatio tarkistettu .

SYVENTÄVÄ LUKEMINEN / KÄYTÄNTÖ

Dokumentoi kohteiden yhdistämisen perusteet

Kaksi rivkiä näyttävät kuvaavan samaa organisaatiota, mutta niiden nimet tai osoitteet ovat erilaisia. Läpinäkyvyyden on perustuttava useisiin ominaisuuksiin ja säilytettävä alkuperäiset tiedot.

Päivitetty .

Ensisijaiset tarkistukset

Vertaa vakaat tunnisteet, alue, aika, nimi muoto ja muut käytettävissä olevat ominaisuudet. Harkitse homonyymiä ja nimimuutoksia ennen sulautumista.

Tulkinnan sudenkuopat

Aggressiivinen normalisointi voi aiheuttaa merkittävän eron. Automaattisen lähentymisen on voitava tarkastella uudelleen, kun indikaattorit ovat heikkoja tai ristiriitaisia.

Säilytettävä työasiakirja

Läpinäkyvyyslehti säilyttää alkuperälinjat, säännöt, indikaattorit, päätökset ja varaukset. Kummalliset tapaukset jäävät erillään niin kauan kuin ylimääräinen tekijä ei oikeuta tapaamistaan.

KÄYTÄNNÖN TAPAUS / OPETUSESIMERKKI

Yhteinen osoite johtaa virheelliseen sulautumiseen

Seuraava esimerkki on pedagoginen. Se näyttää, miten siirtyä asiakirjasta pätevään ehdotukseen, säilyttäen kontekstin, ristiriitaiset elementit ja tiedot, joita tutkimus ei vielä pysty määrittelemään.

Esimerkin tausta

Kaksi organisaatiota jakavat osoitteen ja läheiset nimet. Säännös lähentymisestä yhdistää heidät, kun heidän tunnisteensa ja dokumentoidun toiminnansa pysyvät erillisinä.

Ehdotettu menetelmä

Takaisin alkuperäisiin viikkoihin, verrataan useita ominaisuuksia ja tutkitaan saatavilla olevia todisteita. Poistetaan läheisyyden tapaukset henkilöllisyyden tapauksista. Yhdistymisen korjaukset on tehty.

Johtopäätös ja seuraava vaihe

Lehti säilyttää tarkistetun päätöksen ja sen perustelut. Sääntö on mukautettu siten, että osoite on täydentävä indeksi eikä riittävä henkilöllisyystodistus.

Kysymyksiä syventävään harjoitteluun

Miten epävarmat lähestymistavat voidaan käsitellä?

Pidä ne luokassa, jota tarkastellaan, ja indikaattorit puolesta ja vastaan. Tämä erottaminen säilyttää tiedot ja estää perusteettoman sulautumisen leviämisen seuraavissa analyysissä.

YKSITYISKOHTAINEN HARJOITUS / SOVELTAMINEN

Arvioi sääntö väärennettyjen samankaltaisuuksien tapauksista

  1. 01 / Valmistele tarvittavat tiedot

    Valitse ominaisuudet, tunnisteet ja alkuperäiset tiedot. Valmista tuttuja yhteensopimuksia sekä homonyymiä tai rakenteita, jotka jakavat osoitteen.

  2. 02 / Toteuta menetelmä

    Kokeile sääntöä, tutki indikaattoreita ja pidä päätöksiä. Tarkista virheelliset lähentymiset ja puuttuvat tapaukset. Dokumentoi vertailuun käytetyt nimet tai koodit.

  3. 03 / Tarkastele vaihtoehtoista tilannetta

    Jos sulautuminen riippuu yhdestä heikosta indeksiä, pitää linjat erillään. Epävarma luokka mahdollistaa tarkastelun ilman välittömästi yhteistä identiteettiä.

  4. 04 / Päätä seuraavasta vaiheesta

    Sääntö on hyväksyttävä sen alueelle, kun tärkeitä virheitä tutkitaan. Manuaaliset ja automaattiset päätökset pysyvät tunnistettavissa niiden motiiveilla.

  5. 05 / Luovuta tarkistusaineisto

    Lähetä häätlehti ja esimerkkejä tarkastuksista. Tarkistus voi palauttaa alkuperäiset arvot ja korjata analyysit, jotka riippuvat virheellisestä sulautumisesta.

TYÖASIAKIRJA / TARKISTUSTAULUKKO

Huhtikuva, jossa on merkkejä puolesta ja vastaan

Lehti säilyttää alkuperäiset linjat, muutokset, säännöt ja päätökset. Se erottaa vahvistetun vastaavuuden, erottamisen ja epävarman tapauksen, jotta lähentymiset voidaan tarkistaa.

Pienellä näytöllä voit lukea kaikki kolme saraketta vierittämällä taulukkoa vaakasuunnassa.

Esimerkkitilanteita arvioitavaksi
HavaintoPerusteltu tulkintaSeuraava vaihe
Useat vakaat ominaisuudet ovat samaa mieltä.Identiteetti on vahvistettu asiakirjojen ja asiakirjoihin perustuvien todisteiden perusteella.Pidä perustelut ja tarkistaa sääntöjen rajat.
Läheinen nimi ja yhteinen osoite sopivat yksin.Läheisyys on edelleen heikko homonyymien ja naapurimaiden rakenteiden edessä.Etsi tunnisteita tai pidä epävarmaa luokkaa.
Yhdistys tuottaa samana aikana yhteensopimattomia ominaisuuksia.Sääntö voi kerätä erillisiä esineitä.Takaisin alkuperäisiin ja korjata riippuvaiset analyysit.

Työasiakirjan tarkistus

Lopullisen tarkastuksen on voitava peruuttaa sulautuminen ja palauttaa lähdearvot. Standardointi on säilytettävä erikseen, jotta tutkimusavusta ei muutu henkilöllisyyden todisteeksi.

TULOKSET / MUOTOILUESIMERKKI

Tulosten esittäminen: Dokumentoida lähentymisen indikaattorit

Selvennettävä asia

Yhdistymistä koskevan päätöksen on voitava tarkistaa alkuperäisten tietojen perusteella.

Ennen luovutusta

Tarkista ristiriitaiset indikaattorit ja sulautumisen vaikutukset analyyseihin.

Esimerkki rajatusta johtopäätöksestä

Tämä lähestymistapa perustuu kuvattuihin indikaatioihin. Kummalliset tapaukset säilytetään erikseen ja ominaisuuksien muutokset säilytetään niiden sääntöjen kanssa.