Entity Resolution – phân giải thực thể là quá trình xác định các bản ghi khác nhau có nói về cùng một tài sản, dự án, cá nhân hay doanh nghiệp hay không. Đây là bài toán nền tảng trước khi phân tích vì đếm trùng có thể làm sai nguồn cung, lịch sử giao dịch hoặc hồ sơ khách hàng.
AI hữu ích với tên và địa chỉ biến thiên, nhưng quyết định ghép phải dựa nhiều dấu hiệu và có thể giải thích.
Chuyên đề: AI ứng dụng trong Bất động sản · Bài 10 · Nghiên cứu thị trường, dữ liệu và thông tin
Biên soạn: ThS. Nguyễn Mạnh Hùng
GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
1. Vì sao so chuỗi giống nhau là chưa đủ?
“Sunrise City”, “Sunrise City Q7” và “Khu căn hộ Sunrise City” có thể là cùng dự án. Nhưng “Sunrise Riverside” lại là dự án khác. Tương tự, hai người trùng tên không đồng nghĩa cùng người.
Phải kết hợp mã định danh, địa chỉ, tọa độ, chủ thể, số điện thoại/Email trong phạm vi pháp luật và quyền truy cập, cùng dữ liệu ngữ cảnh.
2. Chuỗi xử lý điển hình
Chuẩn hóa → tạo nhóm ứng viên → so sánh đặc trưng → chấm điểm → quyết định ghép/không ghép/chuyển duyệt → tạo cụm → bản ghi vàng → giữ liên kết nguồn.
3. Tạo nhóm ứng viên để không so mọi cặp
Với một triệu bản ghi, so tất cả mọi cặp là quá lớn. Có thể “blocking” theo quận/phường, tiền tố tên, vùng tọa độ, mã dự án hoặc kết hợp. AI hỗ trợ tạo khóa linh hoạt nhưng phải tránh loại mất cặp thật.
4. Đặc trưng ghép
| Thực thể | Dấu hiệu mạnh | Dấu hiệu hỗ trợ |
|---|---|---|
| Tài sản | Mã thửa/mã tài sản, tọa độ, địa chỉ chuẩn | Diện tích, chủ thể, mô tả |
| Dự án | Mã dự án, vị trí, chủ đầu tư | Tên thương mại, tên cũ |
| Doanh nghiệp | Mã số doanh nghiệp | Tên, địa chỉ, người đại diện |
| Cá nhân | Định danh hợp pháp trong phạm vi được phép | Họ tên, ngày sinh, địa chỉ; cần bảo vệ dữ liệu |
5. Sai gộp và sai tách có chi phí khác nhau
Sai gộp là gộp hai thực thể khác thành một; sai tách là để một thực thể thành nhiều bản ghi. Với hồ sơ pháp lý hoặc khách hàng, sai gộp có thể rất nghiêm trọng; ngưỡng tự động phải cao và vùng trung gian chuyển người duyệt.
6. Mô hình ngôn ngữ nên đứng ở đâu?
AI có thể chuẩn hóa tên, giải thích viết tắt, nhận diện thành phần địa chỉ và tạo đặc trưng từ mô tả. Việc quyết định cuối có thể kết hợp quy tắc, mô hình xác suất và ngưỡng. Không nên để mô hình ngôn ngữ chỉ đọc hai dòng rồi phán “cùng người” mà không có bằng chứng.
7. Giải thích quyết định ghép
Mỗi ghép quan trọng nên lưu lý do: mã doanh nghiệp trùng; địa chỉ tương đồng 0,94; tên sau chuẩn hóa trùng; tọa độ cách 12 m; không có xung đột. Nếu chuyển duyệt, người duyệt thấy ngay các dấu hiệu.
8. Bản ghi vàng không xóa bản gốc
Golden Record – bản ghi vàng là biểu diễn hợp nhất được tin dùng. Nó phải giữ liên kết tới các bản ghi nguồn, thời gian và quy tắc chọn giá trị. Khi nguồn mới đến, bản ghi vàng có thể thay đổi mà lịch sử vẫn còn.
9. Tình huống: chống trùng tin đăng
Hệ thống tạo ứng viên dựa vị trí gần nhau và diện tích tương tự; AI chuẩn hóa mô tả địa chỉ; hình ảnh có thể hỗ trợ nhưng không dùng một mình; số điện thoại/đơn vị môi giới là tín hiệu. Cặp điểm cao gộp tự động, vùng trung gian đưa kiểm, điểm thấp giữ riêng.
10. Kiểm thử
Tạo tập cặp “cùng thực thể/khác thực thể” do con người xác nhận, đo precision và recall của quyết định ghép. Ngoài điểm tổng, kiểm riêng theo loại tài sản, địa bàn và nguồn vì chất lượng địa chỉ có thể khác nhau.
Ghi nhớ trong 30 giây
- Chống trùng là quyết định về danh tính, không chỉ là so chuỗi giống nhau.
- Gộp nhầm hai tài sản thường nguy hiểm hơn để sót hai bản ghi trùng; ngưỡng phải phản ánh chi phí sai.
- Mỗi quyết định ghép nên giải thích được dựa trên dấu hiệu nào.
- Bản ghi vàng không xóa lịch sử; phải giữ nguồn và quan hệ giữa các bản ghi gốc.
Nguồn tham khảo
- NIST – AI Risk Management Framework (AI RMF) 1.0 và AI RMF Playbook; NIST đang cập nhật AI RMF trong năm 2026 nên khi triển khai thực tế cần kiểm tra phiên bản hiện hành.
- NIST AI 600-1 – Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, 2024.
- ISO/IEC 42001:2023 – Artificial intelligence management system.
- RICS – Responsible use of artificial intelligence in surveying practice, 1st edition; có hiệu lực từ 09/03/2026.
- Fellegi, I. P. & Sunter, A. B. – A Theory for Record Linkage, nền tảng xác suất cho liên kết bản ghi.
Bài tiếp theo
Bài 11: AI theo dõi tin tức, tín hiệu thị trường và thay đổi cạnh tranh mà không biến tin đồn thành dữ liệu