Quiz: Detecting Duplicate Claims

중복 청구를 청구번호로만 묶어 찾았더니 매일 '중복 0건' 이 나온다. 가장 가능성 높은 상황은?

• 접수 시스템이 중복을 이미 막고 있어 실제로 중복이 없는 것이다
• 청구번호가 다른 사실상 중복은 그 방법으로 하나도 잡히지 않는다
• 청구번호에 접수 채널이 들어 있어 묶는 키로는 너무 길다
• GROUP BY 에 HAVING 을 빼서 결과가 비어 나온 것이다

창구 시스템이 영수증 번호를 전각 문자로 저장한다. 앱이 저장한 값과 같은 값으로 맞추려면?

• 대소문자만 맞추면 전각과 반각은 파이썬이 같은 문자열로 본다
• 전각 문자를 한 글자씩 찾아 바꾸는 대응표를 직접 만들어 둔다
• 영수증 번호를 UTF-8 바이트로 바꿔 길이가 같은지 확인한다
• NFKC 로 정규화한다. 호환 문자인 전각 영숫자가 보통 형태로 접힌다

블로킹 키로 '정규화한 병원명과 진료일' 을 골랐다. 이 선택이 가진 위험으로 가장 중요한 것은?

• 블록 키가 어긋난 쌍은 애초에 후보가 되지 않아 영영 안 잡힌다
• 블록이 많아져 쌍이 늘어나므로 계산 시간이 오히려 길어진다
• 블록마다 임계값을 따로 정해야 해서 규칙판이 복잡해진다
• 같은 블록에 든 쌍은 점수와 무관하게 중복으로 판정된다

difflib 의 SequenceMatcher.ratio() 에 대한 설명으로 옳은 것은?

• 두 열의 편집 거리를 길이로 나눈 값이라 1.0 에서 빼면 유사도가 된다
• 두 열에서 서로 다른 원소의 수를 세어 짧은 쪽 길이로 나눈 값이다
• 전체 원소 수 T 와 일치 원소 수 M 에 대해 2.0*M/T 이고 두 열이 같으면 1.0 이다
• 일치하는 가장 긴 부분열의 길이를 긴 쪽 길이로 나눈 값이다

환자·병원·영수증이 모두 같아 점수가 1.0 인데 금액이 4,000원 차이 난다. 허용 오차를 100원으로 둔 탐지기의 올바른 판정은?

• duplicate - 영수증이 같으므로 금액 입력 실수로 보고 자동으로 막는다
• distinct - 금액이 다르면 같은 영수증일 수 없으므로 별개로 둔다
• duplicate 로 두되 금액 차이를 근거에만 적어 담당자가 나중에 보게 한다
• review - 점수는 문턱을 넘었지만 허용 오차를 벗어나 사람이 봐야 한다

같은 날 같은 병원에서 연달아 받은 두 영수증이 중복으로 잡힌다. 근본 대처로 가장 알맞은 것은?

• 임계값을 0.98 로 올려 이런 쌍이 문턱을 넘지 못하게 한다
• 영수증 번호가 연번인 쌍을 오탐 규칙으로 빼고 그 근거를 판정에 남긴다
• 영수증 번호를 유사도 계산에서 빼고 이름과 병원만으로 점수를 낸다
• 같은 날 같은 병원의 쌍은 블록을 만들 때부터 제외한다