기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 기계 학습 기반 매칭 워크플로 생성
<a name="create-matching-workflow-ml"></a>

*[기계 학습 기반 일치](glossary.md#ml-matching-defn)*는 입력한 모든 데이터에서 레코드를 일치시키려고 시도하는 사전 설정 프로세스입니다. 기계 학습 기반 일치 워크플로를 사용하면 일반 텍스트 데이터를 비교하여 기계 학습 모델을 사용하여 광범위한 일치 항목을 찾을 수 있습니다.

**참고**  
기계 학습 모델은 해시된 데이터의 비교를 지원하지 않습니다.

가 데이터에서 두 개 이상의 레코드 간에 일치하는 항목을 AWS Entity Resolution 찾으면 다음을 할당합니다.
+ [일치하는 데이터 세트의 레코드에 대한 일치 ID](glossary.md#match-id-defin) 
+ 일치 [신뢰도 수준](glossary.md#confidence-level-defn) 백분율입니다.

ML 기반 매칭 워크플로의 출력을 데이터 서비스 공급자 매칭을 위한 입력으로 사용하거나 특정 목표를 달성하기 위해 그 반대로 사용할 수 있습니다. 예를 들어 ML 기반 일치를 실행하여 먼저 자체 레코드의 데이터 소스에서 일치 항목을 찾을 수 있습니다. 하위 집합이 일치하지 않으면 [공급자 서비스 기반 일치](create-matching-workflow-provider.md)를 실행하여 추가 일치 항목을 찾을 수 있습니다.

**사전 조건**

ML 기반 매칭 워크플로를 생성하기 전에 다음을 수행해야 합니다.

1. 스키마 매핑을 생성합니다. 자세한 내용은 [스키마 매핑 생성](create-schema-mapping.md) 단원을 참조하십시오.

1. Amazon Connect Customer Profiles를 출력 대상으로 사용하는 경우 적절한 권한이 구성되어 있는지 확인합니다.

**ML 기반 매칭 워크플로를 생성하려면:**

1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/entityresolution/](https://console.aws.amazon.com/entityresolution/) AWS Entity Resolution 콘솔을 엽니다.

1. 왼쪽 탐색 창의 **워크플로**에서 **일치를** 선택합니다.

1. **매칭 워크플로** 페이지의 오른쪽 상단 모서리에서 **매칭 워크플로 생성을** 선택합니다.

1. **1단계: 일치하는 워크플로 세부 정보 지정**에서 다음을 수행합니다.

   1. **일치하는 워크플로 이름과** 선택적 **설명을** 입력합니다.

   1. **데이터 입력**에서 , **AWS 리전** **AWS Glue 데이터베이스**, **AWS Glue 테이블**을 선택한 다음 해당 **스키마 매핑**을 선택합니다.

      최대 20개의 데이터 입력을 추가할 수 있습니다.

   1. **데이터 정규화** 옵션은 일치 전에 데이터 입력이 정규화되도록 기본적으로 선택됩니다. 데이터를 정규화하지 않으려면 **데이터 정규화** 옵션을 선택 취소합니다.

      기계 학습 기반 일치는 [이름](glossary.md#normalization-ML-defn-name), [전화번호](glossary.md#normalization-ML-defn-phone)및 만 정규화합니다[이메일](glossary.md#normalization-ML-defn-email).

   1. **서비스 액세스** 권한을 지정하려면 옵션을 선택하고 권장 조치를 취합니다.    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/entityresolution/latest/userguide/create-matching-workflow-ml.html)

   1. (선택 사항) 리소스에 대해 **태그를** 활성화하려면 **새 태그 추가**를 선택한 다음 **키** 및 **값** 페어를 입력합니다.

   1. **다음**을 선택합니다.

1. **2단계: 매칭 기법 선택**:

   1. **일치 방법**에서 **기계 학습 기반 일치**를 선택합니다.  
![\[AWS Entity Resolution 워크플로 생성 인터페이스를 규칙 기반 또는 기계 학습 매칭 옵션과 일치시킵니다.\]](http://docs.aws.amazon.com/ko_kr/entityresolution/latest/userguide/images/choose-matching-method-machine-learning.PNG)

   1. **케이던스 처리**의 경우 **수동** 옵션이 선택됩니다.

      이 옵션을 사용하면 대량 업데이트에 대해 온디맨드로 워크플로를 실행할 수 있습니다.
**참고**  
기계 학습 기반 매칭 워크플로에는 자동(증분) 처리가 지원되지 않습니다.

   1. **다음**을 선택합니다.

1. **3단계: 데이터 출력 및 형식 지정**:

   1. **데이터 출력 대상 및 형식**에서 데이터 출력의 **Amazon S3 위치와** **데이터 형식**이 **정규화된 데이터**인지 **원래 데이터**인지 선택합니다.

   1. **암호화**에 **암호화 설정 사용자 지정**을 선택한 경우 **AWS KMS 키** ARN을 입력합니다.

   1. **시스템 생성 출력을** 봅니다.

   1. **데이터 출력**에서 포함하거나 숨기거나 마스킹할 필드를 결정한 다음 목표에 따라 권장 조치를 취합니다.    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/entityresolution/latest/userguide/create-matching-workflow-ml.html)

   1. **다음**을 선택합니다.

1. **4단계: 검토 및 생성**의 경우:

   1. 이전 단계에서 선택한 내용을 검토하고 필요한 경우 편집하세요.

   1. [**Create and run**]을 선택합니다.

      일치하는 워크플로가 생성되었고 작업이 시작되었음을 나타내는 메시지가 나타납니다.

1. 일치하는 워크플로 세부 정보 페이지의 **지표** 탭에서 **마지막 작업 지표**에서 다음을 확인합니다.
   + **작업 ID**입니다.
   + 일치하는 워크플로 작업의 **상태**: **대기 중**, **진행 중**, **완료**됨, **실패** 
   + 워크플로 작업에 대해 **완료된 시간**입니다.
   + **처리된 레코드** 수입니다.
   + **처리되지 않은 레코드** 수입니다.
   + **생성된 고유 일치 IDs**.
   + **입력 레코드** 수입니다.

   작업 **기록에서 이전에 실행된 일치하는 워크플로 작업에 대한 작업** 지표를 볼 수도 있습니다.

1. 일치하는 워크플로 작업이 완료되면(**상태**가 **완료됨**) **데이터 출력** 탭으로 이동한 다음 **Amazon S3 위치를** 선택하여 결과를 볼 수 있습니다.

1. (**수동** 처리 유형만 해당) **수동** 처리 유형으로 **기계 학습 기반 매칭** 워크플로를 생성한 경우 매칭 워크플로 세부 정보 페이지에서 **워크플로 실행**을 선택하여 언제든지 매칭 워크플로를 실행할 수 있습니다.