يا أصدقائي في عالم التقنية، هل تعلمون أننا قد نرتكب خطأ شائعاً يكلفنا الكثير عند بناء الرسوم البيانية المعرفية؟ ببساطة، معظم الأنظمة التي تحدد تطابق الكيانات ترمي بعيداً أهم رقم تنتجه: ألا وهو «درجة ثقة التطابق». وهذا يعني أننا نخسر معلومات قيمة جداً يمكن أن تحسن من دقة بياناتنا بشكل كبير. ماذا يعني هذا بالنسبة لك؟ حسناً، عندما تستخدم أدوات مثل Splink أو Dedupe لتحديد ما إذا كان سجلان مختلفان يمثلان نفس الكيان الحقيقي (مثلاً، نفس الشركة)، فإن هذه الأدوات تعطيك رقماً، وليكن 0.95 يعني ثقة عالية جداً، و0.71 يعني ثقة متوسطة. لكن المشكلة هي أننا بعد ذلك نطبق عتبة، ونقول: «إذا كانت أعلى من 0.8، فهو تطابق، وإلا فلا». وبعدها يتم التخلص من درجة الثقة الأصلية هذه. الأنظمة اللاحقة، مثل الرسوم البيانية المعرفية أو قواعد البيانات، تتلقى إشارة بسيطة: إما أن الكيانين متطابقان أو لا. وهنا تكمن المشكلة. فالرسم البياني المعرفي يتعامل مع التطابق الذي كان بثقة 0.95 بنفس الطريقة التي يتعامل بها مع التطابق الذي كان بثقة 0.71. كلاهما يصبحان ادعاءات هوية مطلقة: «هذا هو نفس الكيان». بالنسبة للتطبيقات البسيطة، قد لا يكون هذا مهماً. لكن بالنسبة للرسوم البيانية المعرفية التي تغذي أنظمة استرجاع المعلومات، فإن هذا العيب قد يؤثر على جودة النتائج بشكل كبير. تخيل أن نظاماً يعتمد على معلومات خاطئة أو غير مؤكدة، فماذا ستكون جودة الردود؟ الحل بسيط ومبتكر. بدلاً من التخلص من درجة الثقة هذه، لماذا لا نحتفظ بها كخاصية مرتبطة بالعلاقة داخل الرسم البياني؟ في خدمة مثل er-api، التي تعمل على حل تطابق الكيانات متعدد اللغات، تم الاحتفاظ بدرجة الثقة هذه من Splink كخاصية على «الحافة» التي تربط الكيانات المتطابقة. هذا يسمح بالتعامل مع التطابقات المختلفة بطرق ذكية. على سبيل المثال، إذا كانت درجة الثقة 0.90 أو أعلى، يمكن للنظام أن يقوم بدمج الكيانين تلقائياً (auto). أما إذا كانت أقل من 0.90، مثل 0.71، فإنه يتم وضعها في قائمة المراجعة البشرية (pending). بهذه الطريقة، نضمن أن التطابقات عالية الثقة تدمج بسرعة، بينما يتم فحص التطابقات الأقل ثقة بواسطة خبير بشري قبل أن تصبح جزءاً من الرسم البياني المعرفي. هذا لا يحسن فقط من دقة الرسم البياني، بل يوفر أيضاً الوقت والموارد. إنه تغيير بسيط بفائدة كبيرة لضمان بيانات أكثر موثوقية لأنظمتنا الذكية.