Один объект и реестр
Сравнивайте систему и значение идентификатора вместе. Объект деятельности и юридическая единица требуют связанных карточек.
OSINT / ИДЕНТИФИКАЦИЯ
Сопоставить сущности, не объединяя одноимённые объекты
Похожие карточки не обязательно описывают один объект. Сопоставление должно сохранять источники, даты и основания решения, в том числе когда объединение невозможно.
Выбрать единицу идентификации
Укажите, представляет ли карточка человека, юридическую единицу, отдельный объект деятельности, бренд или исследовательскую организацию. Связь объектов не означает тождество. Нормализованное имя помогает найти кандидатов, но не служит ключом объединения.
Идентификаторы обозначают разные объекты
| ID | Идентифицируемый объект | Проверка |
|---|---|---|
| SIREN | Юридическая единица | Девять цифр. Проверьте реестр и храните строкой, сохраняя начальные нули. Коммерческое название не заменяет идентификатор. |
| SIRET | Отдельный объект деятельности | Четырнадцать цифр, первые девять — SIREN. Общий префикс может означать одну юридическую единицу, но два разных объекта деятельности. |
| ORCID iD | Человек в научной сфере | Сохраняйте полный URI и начальные нули. Последним символом может быть X. Идентификатор не удостоверяет автоматически всё содержимое профиля. |
| ROR ID | Исследовательская организация | Сравните кандидата, место и связи. Строка аффилиации может содержать отдел, головную организацию и адрес; первый похожий результат не обязательно верен. |
SIRENЮридическая единица
SIRET AОтдельный объект деятельности
SIRET BОтдельный объект деятельности
Пять проверок до объединения
Источник каждого атрибута
Сохраняйте URL или документ, дату наблюдения и известную дату действия для имени, адреса и статуса.
Согласованный период
Другой адрес может отражать переезд, другое название — историю. Проверяйте периоды до замены старых значений.
Видимые противоречия
Разные ID в одном реестре или несовместимые места требуют проверки. Не стирайте расхождения ради аккуратной карточки.
Обратимое объединение
Храните исходные ID строк, правило, проверяющего, дату и таблицу соответствий, чтобы карточки можно было разделить.
Воспроизводимый метод
Сохранить исходные данные
Отделите оригинальные имена и идентификаторы от нормализованных значений.
Сформировать кандидатов
Нормализуйте пробелы и регистр для поиска. Сохраните диакритику, варианты и транслитерации; не удаляйте различающие суффиксы.
Сопоставить независимые документы
Проверьте ID в реестре и остальные атрибуты в подходящих источниках. Два портала, копирующие реестр, не независимы.
Классифицировать решение
Используйте «один объект подтверждён», «разные объекты», «сохранить связь» или «не определено». Сходство не равно уверенности.
Проверить последствия
Сравните число строк, сломанные связи и потерянные атрибуты. Проверьте отклонённые совпадения на пропущенные дубли.
Четыре типовых решения
Это условные случаи, не описания реальных людей или компаний.
Одно имя, разные ID
Решение : Сохранить двух кандидатов
Решающая проверка : Проверить реестр, тип объекта и период. Одного имени недостаточно.
Один SIREN, два SIRET
Решение : Связать объекты с юридической единицей
Решающая проверка : Сохранить отдельные карточки, адреса и даты.
Один ID, старый адрес
Решение : Сохранить историю
Решающая проверка : Проверить источник и дату действия; отличить изменение от ошибки.
Отдел и головная организация
Решение : Создать подтверждённую связь
Решающая проверка : Проверить уровень карточки и институциональную связь. Аффилиация не означает тождество.
Что сохранить
Сохраните ID карточек A и B, тип объекта, реестр и идентификаторы, исходные имена, источники и даты, совпадения, противоречия, обоснование, проверяющего и дату пересмотра. Пустое поле означает «не указано», а не «ложно».
Одна строка на решение: две исходные карточки, источники, расхождения и основания. Шаблон пустой; укажите «не определено», если документов недостаточно.
Скачать журнал решений о сопоставлении CSVПрактические вопросы
Правильный формат ID доказывает существование?
Нет. Формат или контрольный знак выявляет часть ошибок ввода. Проверьте официальный реестр и соответствие нужному объекту.
Можно объединять по адресу или домену?
Не автоматически. Адрес могут делить организации, а сайт может представлять группу. Это лишь признаки.
Что делать с переведёнными именами?
Сохраните опубликованное имя, язык, варианты и проверенный общий ID. Сходство транслитераций не доказывает тождество людей.
Разные ID исключают связь?
Нет. Это могут быть связанные разные объекты или разные реестры. Документируйте связь.
Нужно публиковать все сопоставленные атрибуты?
Нет. Сбор, внутренний анализ и публикация — разные решения. Храните необходимое и выбирайте объём раскрытия.
Как оценить автоматическое сопоставление?
Используйте проверенные случаи с ложными совпадениями и пропущенными дублями. Оцените точность и полноту в заявленных границах; сходство не является показателем достоверности.