Duplikats-Differenz-Vergleich

Duplikats-Differenz-Vergleich

Bezeichnung

• Duplikats-Differenz-Vergleich

Problembeschreibung

Voraussetzungen

• die eingesetzte Genealogiesoftware hat keinen Zeitstempel in den Daten abgespeichert
• unterschiedliche Genealogiesoftware der beiden Forscher (Schwierigkeiten beim Verschmelzen der Dateien)

Eine kleine Geschichte

• Zwei Forscher (A und B) betreiben jeder für sich unser schönes Hobby und forschen in der gleichen Region. Forscher A hat 15.000 und Forscher B 10.000 Personendatensätze
• Eines Tages kommen die beiden Forscher zusammen und stellen Duplikate in ihren Genealogien fest.
• Sie tauschen sich gegenseitig die Personendatensätze aus.
• Beide Forscher fügen den bekommenen Datensatz in ihre Daten ein.
• Nach der vollbrachten Verschmelzung und der Beseitigung der entstandenen Duplikate haben beide Forscher jeweils 23.000 Personendatensätze (2000 Duplikate).
• Nach einem weiteren Jahr kommen unsere beiden Forscher wieder zusammen. Jetzt hat Forscher A: 26.000 und Forscher B: 30.000 Personendatensätze.
• Wie bekommen jetzt die Forscher heraus, was der andere hat und was er für sich benötigt (jetzt wären es ja immerhin ca. 23.000 Duplikate, welche zum Verschmelzen wären)?
• Wie können Sie ihre Duplikate ermitteln, welche sich in beiden Personendatensätzen unterscheiden/differieren (Duplikats-Differenzen)?

Grafik zu "Eine kleine Geschichte" über den Duplikats-Differenz-Vergleich

Problem-Lösung

Problem-Lösungsansatz-Grundlagen

• Sie wollen nicht die ca. 23.000 Duplikate wissen (das sind zu viele!)
• Sie wollen nur die seit dem letzten Jahr entstandenen Duplikate (Duplikats-Differenzen) in einer Liste haben, welche sich jetzt differieren (unterscheiden)
• Die Anzahl der Duplikats-Differenzen kann unter Umständen sehr gering sein, wenn zum Beispiel von wenigen Personen ausgehend weiter geforscht wird (siehe "Duplikats-Differenzen" in der Grafik "Eine kleine Geschichte")
• Die Auswahl der Vergleichs-Kriterien spielt die entscheidene Rolle für das Ergebnis
• Grundlagen-Duplikate ermitteln: Eine Vergleichsmöglichkeit sind Geburtstage. Es gibt noch viele weitere Möglichkeiten, welche hier aber nicht näher betrachtet werden sollen --> Übersichtlichkeit der Darstellung. Mit etwas Phantasie kann es sich jeder etwas darunter vorstellen. Mit dem Hilfsprogramm GENViewer kann eine Datenbereitstellung vorgenommen werden. Beispiele von weiteren Merkmalen sind im Ergebnis-Bereich angeführt
• Duplikats-Differenz(en) mittels eines Vergleichs der erweiterten Grundagen-Duplikate ermitteln: Die Erweiterung sind zum Beispiel die Elterngeburtstage (Vatergeburtstag und Muttergeburtstag)

• Beispiel:

Personengeburtstag: 12.05.1850

Vatergeburtstag: 16.08.1819

Muttergeburtstag: 24.07.1822

Problem-Lösungsansatz-Detail

• Sie entschließen sich zu der oben angeführten Variante des Duplikats-Differenz-Vergleichs die lautet:

• 1) Tabelle der Personendaten erstellen (z.B.: mit dem Hilfsprogramm GENViewer)
• 2) Grundlagen-Duplikate mittels Geburtstag feststellen (12.05.1850)

(Grundvergleich der beiden Genealogien nur nach Geburtstag aller Personendaten gegeneinander)

• 3) Grundlagen-Duplikate mit mit deren Vater- und Muttergeburtstag (12.05.1850|16.08.1819|24.07.1822)erweitern
• 4) Duplikats-Differenz-Vergleich mit den erweiterten Grundlagen-Duplikate (aus 2) durchführen und dabei die Duplikats-Differenzen feststellen.
• 5) Ergebnis des Duplikats-Differenz-Vergleich

===> fertig ist der Duplikats-Differenz-Vergleich

Problem-Lösungsweg-Grafik

Problem-Lösungsweg-Grafik 1-2

Problem-Lösungsweg-Grafik 3-5

• Viel Spaß beim Ausprobieren und Tüfteln des beschrieben Lösungsansatz

Bisherige Umsetzung

• Die Daten wurden mit einem entsprechenden Programm (z.B.: GENViewer) nach CSV kopiert und dann in eine Datenbank (z.B.: Access/Open Office) gebracht.
• Anschließend wird der Duplikats-Differenz-Vergleich nach dem vorgenannten Verfahren von Hand ausgeführt.
• Schnelle Ergebnisse sind mit Datenbanken (z.B.: Access/Open Office) ohne Probleme schnell umsetzbar

Gewünschte Umsetzung

• vollautomatischer Duplikats-Differenz-Vergleich (damit jeder Anwender in der Lage ist, diesen etwas komplizierten Vergleich selbständig auszuführen.

• Das beschriebene Verfahren des Duplikats-Differenz-Vergleich wurde dem Programmhersteller von GENMatcher schon mitgeteilt und in unseren Mailinglisten im Jahr 2005 ausgiebig diskutiert.
• Mit den unterstützenden Bildern konnte das komplexe Thema etwas besser dargestellt werden.

Ergebnis

• Im vorgenannten Beispiel werden die Duplikate in den verschiedenen Dateien gefunden, welche im Geburtstag der Person identisch sind, aber sich in deren Elterngeburtstage differieren (unterscheiden)

• Das Beispiel ist auf viele verschiedenen Varianten erweiterbar (z.B.: Name, Vorname, Vor- und Nachname, [Soundex]-Name, Heiratsanzahl, Heiratsdatum(s), Frauengeburtstag(e), Kinderanzahl, Kindergeburtstag(e), Vorfahrenanzahl, Nachfahrenanzahl ....). Jede der vorgenannten Auswahlkriterien kann wieder unterschiedliche Differenz-Duplikate ausgeben. Verstanden!?
• Mit etwas Phantasie gibt es sehr viele Varianten mit unterschiedlichsten Ergebnissen.

===> Duplikats-Differenz-Vergleich

Autor

• Heinz Köhler (Nufringen, den 18.03.2006)

Anwendermeinungen/Berichte

siehe unter: Meinung