Passar para o conteúdo principal

O que o índice de fuzziness em correspondência de PEP e listas de sanções indica e como é utilizado?

Francesco Malvestio avatar
Escrito por Francesco Malvestio
Atualizado essa semana

O conceito de fuzziness em consultas de busca permite que a API Veriff identifique correspondências potenciais em listas de PEP (Pessoa Politicamente Exposta) ou sanções, mesmo quando existem pequenas diferenças ou variações nos dados fornecidos. Esse recurso é particularmente útil para acomodar erros tipográficos, variações de nomes devido a diferenças internacionais, ou outras discrepâncias menores.

O que é o Índice de Fuzziness?

O índice de fuzziness, refletido na resposta da API sob pepSanctionMatches -> hits -> score, quantifica a variação permitida durante uma comparação entre o termo de busca e os registros existentes. Ajuda os usuários a identificar possíveis correspondências mesmo quando a entrada não é uma correspondência exata. Por exemplo:

  • Um índice de 0.7 representa 7% de variação, indicando o grau de diferença tolerada entre o termo de busca e registros correspondentes.

  • O índice não garante que a pessoa na resposta esteja definitivamente listada em um banco de dados de PEP ou sanções. Os usuários devem fazer acompanhamento revisando os detalhes da correspondência, geralmente acessíveis via URLs na resposta, para confirmação.

Como o Fuzziness Funciona em Nomes e Datas

Correspondência de Nomes

Em comparações de nomes:

  • O índice considera erros de digitação e variações nos nomes internacionais (por exemplo, "Smith" versus "Smythe").

  • Fuzziness tolera diferenças na correspondência com base em edições de caracteres. Por exemplo, nomes como "Grant" e "Grint" são considerados uma correspondência devido a pequenas diferenças de um caractere.

Correspondência de Datas

Ao incorporar datas (como a data de nascimento):

  • Um índice de fuzziness de 0% requer correspondências exatas, ou seja, nomes e datas devem estar perfeitamente alinhados para que uma correspondência ocorra.

  • Para configurações de fuzziness variando de 10% a 100%, o algoritmo pode tolerar uma diferença de ±1 ano na data de nascimento para considerar inconsistências nos dados fornecidos.

Garantindo a Precisão da Correspondência

Embora o índice de fuzziness ajude a identificar correspondências potenciais, os usuários devem verificar os resultados manualmente para garantir a precisão. Um índice sozinho não pode confirmar que um indivíduo está em uma lista de PEP ou sanções.

Exemplo: Por que uma Correspondência de Fuzziness de 0% pode ainda Aparecer?

Com 0% de fuzziness, as correspondências exigem um alinhamento completo entre todos os campos de dados (como nomes e datas). No entanto, o sistema pode ainda sinalizar entradas com correspondência exata em campos específicos, enquanto ignora campos opcionais como sobrenomes. Essas discrepâncias devem ser revisadas com uma investigação adicional através dos registros fornecidos por links.

Conclusão

O índice de fuzziness fornece um mecanismo flexível para lidar com variações nos dados de entrada da busca dentro do processo de correspondência de PEP e sanções da API Veriff. No entanto, os usuários não devem confundir um índice de fuzziness alto como um indicador definitivo de uma correspondência. Sempre verifique a correspondência sistematicamente para garantir conformidade e identificação precisa.

Respondeu à sua pergunta?