KOBRA: Praxisfähige lernbasierte Verfahren zurautomatischen Konfiguration von Business-Regeln inDuplikaterkennungssystemen. Braun, S., Alkhouri, G., & Peukert, E. In Reussner, R. H., Koziolek, A., & Heinrich, R., editors, INFORMATIK 2020, volume P-307, of Lecture Notes in Informatics, pages 395-409, Bonn, 2021. Gesellschaft für Informatik.
KOBRA: Praxisfähige lernbasierte Verfahren zurautomatischen Konfiguration von Business-Regeln inDuplikaterkennungssystemen [link]Paper  doi  abstract   bibtex   
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 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.
@inproceedings{BraunAlkhouriPeukert_2020,
  abstract = {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 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.},
  added-at = {2020-12-30T11:57:11.000+0100},
  address = {Bonn},
  author = {Braun, Simone and Alkhouri, Georges and Peukert, Eric},
  biburl = {https://www.bibsonomy.org/bibtex/253a1be33dd1a39a42e64ce080bd7e4d8/bluedolphin},
  booktitle = {INFORMATIK 2020},
  doi = {10.18420/inf2020_37},
  editor = {Reussner, Ralf H. and Koziolek, Anne and Heinrich, Robert},
  interhash = {41013a284d704dc1ae53765822e84e4e},
  intrahash = {53a1be33dd1a39a42e64ce080bd7e4d8},
  isbn = {978-3-88579-701-2},
  keywords = {myown reinforcement_learning identity_resolution sequential_model-based_optimization nonlinear_regression entity_resolution},
  pages = {395-409},
  publisher = {Gesellschaft für Informatik},
  series = {Lecture Notes in Informatics},
  timestamp = {2021-01-27T17:36:13.000+0100},
  title = {KOBRA: Praxisfähige lernbasierte Verfahren zurautomatischen Konfiguration von Business-Regeln inDuplikaterkennungssystemen},
  url = {https://dl.gi.de/handle/20.500.12116/34745},
  venue = {Karlsruhe, Germany},
  volume = {P-307},
  volumes = {P-307},
  year = 2021
}

Downloads: 0