Soundex頻度統計 - 7.3

Talend Big Data Platform Studio ユーザーガイド

Version
7.3
Language
日本語 (日本)
Product
Talend Big Data Platform
Module
Talend Studio
Content
ジョブデザインと開発

このグループのインジケーターはDBMSに搭載されたSoundexアルゴリズムを使用します。

これらのインジケーターは、レコードを音でインデックス付けします。これにより、同じ英語の発音のレコードは同一の表記にエンコードされるため、スペルが多少異なっていてもマッチングさせることができます。

  • Soundex頻度: 同じ発音を持つレコードの合計と比べて頻度の高い個別のレコードの数を計算します。
  • Soundex低頻度: 同じ発音を持つレコードの合計と比べて頻度の低い個別のレコードの数を計算します。

Soundex頻度統計インジケーターをPostgreSQL、Amazon for PostgreSQL、Amazon Redshiftで使用するには、CREATE EXTENSION fuzzystrmatch;クエリーを使用して拡張子をPostgreSQLデータベースにインストールします。

詳細は、https://www.postgresql.org/docs/11/fuzzystrmatch.htmlを参照してください。

Soundex頻度統計インジケーターをAmazon Redshiftで使用するには、カスタムユーザー定義ファンクションを作成する方法もあります。

詳細は、https://docs.aws.amazon.com/redshift/latest/dg/user-defined-functions.htmlを参照してください。

Soundex頻度統計インジケーターをSnowflakeで使用するには、Javaエンジンが必要です。

漢字がサポートされているのはSQLエンジンのみです。

Teradata Soundexの実装にある制限により、このインジケーターを使用してTeradataのプロファイリング結果をドリルダウンできない場合があります。

どのデータベースでも選択できるインジケーターを次のテーブルに示します。

データ型 数字 Text Date その他
分析エンジンのタイプ Java SQL Java SQL Java SQL Java SQL
Soundex頻度テーブル
Soundex低頻度テーブル