业务识别规则

前提条件

当前模型中已创建了至少一个实体类型，创建详情请参见创建实体类型。

背景信息

两种主键模式下业务识别规则的定位差异如下：

权限说明

空间管理员和建模师支持创建及管理业务识别规则。

创建业务识别规则

1. 在Dataphin首页的顶部菜单栏，选择知识图谱 > 模型设计。

2. 在顶部菜单栏中选择空间，在左侧模型配置库中单击实体类型名称，在实体类型配置面板顶部单击配置业务识别规则。

3. 在业务识别规则列表下方单击新建识别规则，业务识别规则列表中展示当前已有的识别规则。

   多条规则并行求值取最高分，同分时排在前面的规则优先。列表中包含规则名称、识别属性、匹配阈值、自动关联阈值和状态。单击规则匹配预览，您可输入测试数据，验证业务知识规则的匹配效果。

4. 在新建业务识别规则对话框中配置以下参数。

   参数	描述
   规则名称	输入规则的展示名称，支持任意字符，最长64个字符。
   识别属性配置	属性名称：可选择当前实体类型下的所有实体类型属性，不可重复选择同一属性。 数据类型：展示所选实体类型属性的数据类型，不可修改。 匹配策略：包含精确匹配、忽略大小写匹配、模糊匹配（编辑距离）、模糊匹配（包含关系）、等于、数值范围匹配、日期范围匹配、语义相似度匹配。 精确匹配：属性值必须完全一致（包含英文字母大小写），适用String、RegexString、Enum、URL、Email数据类型。 忽略大小匹配：忽略英文字母大小写后再进行比较，适用String、RegexString、URL、Email数据类型。 模糊匹配（编辑距离）：基于Levenshtein编辑距离计算相似度，适用String、RegexString数据类型。选择此策略后，还需配置策略配置（相似度阈值）。 说明 安装Neo4j编辑距离插件后才可使用此策略。 模糊匹配（包含关系）：判断一个值是否包含另一个值，适用String、RegexString数据类型。 等于：属性值相等，适用Integer、Float、Boolean、Date、BigInteger、Enum、Timestamp数据类型。 数值范围匹配：在指定容差范围内视为匹配，适用Integer、Float、BigInteger、Decimal数据类型。选择此策略后，还需配置策略配置（容差值）。 日期范围匹配：在指定天数范围内视为匹配，适用Date、Timestamp数据类型。选择此策略后，还需配置容差天数。 语义相似度匹配：基于LLM Embedding计算文本语义相似度（余弦相似度），仅适用String数据类型。选择此策略后，还需配置策略配置（相似度阈值）。 说明 仅当所选的识别属性已开启语义检测时，此处的匹配策略可选择语义相似度匹配。 语义相似度匹配策略将使用实体所在工作空间所配置的向量模型。 策略配置： 模糊匹配（编辑距离）策略、语义相似度匹配策略：策略配置中需输入相似度阈值，默认为0.8。 数值范围匹配策略：策略配置中需输入容差值，当数据类型为Integer时默认值为0；数据类型为Float时默认值为0.01。 日期范围匹配策略：策略配置中需输入容差天数，默认为0。 权重：每个识别属性都需配置权重，所有属性权重之和应为1。 说明 一个识别规则中至多添加5个识别属性。
   全局阈值设置	整体匹配阈值：输入所有属性的加权综合得分阈值（范围[0.0，1.0]），默认为0.8。当综合得分达到此阈值时，展示为候选匹配结果。 自动关联阈值：选中启动自动关联后，支持输入自动关联阈值（范围[0.0，1.0]），默认为0.95。当综合得分达到此阈值时，自动关联已有实体。

5. 单击确定，完成一条规则配置。

多规则求值与优先级

当同一实体类型配置了多条业务识别规则时，消歧引擎分两阶段运行：候选召回和方案H聚合判定。

1. 候选召回与候选池构造

   每条已启用规则独立执行一次召回查询，返回一个候选集合而非单个候选。

   例如：使用一条姓名和出生年份的规则查询张三1990时，若图谱中已存在多条重复实体，可同时命中多个实体ID。

   规则1 的候选集 = [ (ID=1001, 得分=0.92), (ID=1002, 得分=0.88), … ]
   规则2 的候选集 = [ (ID=1001, 得分=0.75), (ID=1003, 得分=0.82), … ]
   规则3 的候选集 = [ (ID=1002, 得分=0.90), … ]

   所有规则的候选集按照实体ID并集去重形成候选池，同一候选被多条规则命中时，各规则的得分独立保留，作为后续聚合的输入。

   候选池 = {
     ID=1001: { 规则1: 0.92, 规则2: 0.75, 规则3: 未命中 },
     ID=1002: { 规则1: 0.88, 规则2: 未命中, 规则3: 0.90 },
     ID=1003: { 规则1: 未命中, 规则2: 0.82, 规则3: 未命中 },
     …
   }

   说明

   每条规则召回返回top-K候选（默认返回top50，可前往空间级配置调整）；候选池去重后上限为200，超出时按照召回得分倒序截断。

2. 对候选池中每个候选独立并行求值

   候选池构建完成后，引擎将执行所有已启用规则对池中每个候选实体进行并行求值；未在该候选召回集中命中的规则，系统将补算其完整得分，确保每个候选实体与每条规则均具备明确的评分结果。

   候选实体 X 的得分集合 = { 规则1: 0.92, 规则2: 0.75, 规则3: 0.88 }

3. 按规则独立判定评级

   每条规则基于其自身的阈值独立判定该候选的评级，而非跨规则对比得分。

   规则评级	条件
   自动关联	规则得分 ≥ 该规则的自动关联阈值
   候选匹配	该规则的整体匹配阈值 ≤ 规则得分 < 该规则的自动关联阈值
   不匹配	规则得分 < 该规则的整体匹配阈值

4. 评级升级合并

   候选实体的最终判定，包含自动关联、候选匹配、不匹配。

5. 候选池内的最终排序与多候选并列的处理

   步骤1~4解决了单个候选内部如何汇聚多规则的问题。而针对候选池中多个实体并列最高评级的场景（常由历史重复数据或规则粒度过粗同时命中多个实体导致），此时不支持选择任意一条，系统将严格按照以下规则进行处理：

   候选间排序键（自高到低依次比较）：

   1. 最终评级降序：自动关联 > 候选匹配 > 不匹配

   2. 展示得分降序（胜出规则的原始得分）。

   3. 胜出规则优先级升序（规则列表中的序号越靠前越优）。

   4. 实体ID字典序升序（仅作为稳定性兜底，保证相同输入得到相同结果，不作为业务语义裁决依据）。

   依据最高评级下真正并列的候选数量（即排序键1~3完全一致，仅ID不同），将分三种情形处理：

   最高评级	真正并列数	处理方式	最终状态
   自动关联	1（唯一）	直接自动关联到该候选。	自动关联
   自动关联	≥ 2	禁止自动关联，整体降级为 候选匹配；所有并列候选按排序键并列展示，此时用户可自行选择实体。	候选匹配
   候选匹配	1~N	进入候选匹配流程，按排序后顺序展示top-K（K默认为5）。	候选匹配
   不匹配	-	全池无有效候选，按主键模式创建新实体。	无匹配

6. 规则停用的处理

   停用的规则不参与召回也不参与求值，不影响候选池构造与最终判定。停用全部规则等同于未配置规则。

   说明

   离线集成-知识图谱输出组件的消歧设置中，可选择已停用的规则。