Day 2 점검: Fuzzy Matching | Entity Resolution & 데이터 통합 | FDE Academy

Q1. Damerau-Levenshtein이 Levenshtein보다 나은 점은?

A. 계산 속도가 더 빠르다B. 전치(transposition) 연산을 1로 계산한다C. 대소문자를 자동 처리한다D. 더 긴 문자열에 적합하다

Q2. Jaro-Winkler의 Winkler 보정이 하는 역할은?

A. 문자열 길이에 따라 점수 조정B. 공통 접두사에 가중치 부여C. 대소문자 차이 무시D. 숫자와 문자를 다르게 처리

Q3. Token-based 유사도가 Character-based보다 유리한 경우는?

A. 오타가 많은 데이터B. 단어 순서가 바뀔 수 있는 데이터C. 길이가 매우 짧은 문자열D. 숫자만 있는 데이터

Q4. N-gram(2-gram) 유사도에서 "hello"의 2-gram 집합은?

A. {"h", "e", "l", "l", "o"}B. {"he", "el", "ll", "lo"}C. {"hel", "ell", "llo"}D. {"hello"}

Q5. 복합 점수 시스템에서 전화번호 가중치를 높게 설정하는 이유는?

A. 전화번호가 가장 길어서B. 전화번호가 강력한 고유 식별자이기 때문C. 전화번호 입력이 가장 정확해서D. 다른 필드보다 비교가 쉬워서