التعرّف على الهوية من الأسماء والأنساب: تطبيع ومطابقة السجلّات

ملخّص

تكرار الأسماء وتعدد كتاباتها يجعل التمييز بين الأفراد تحديًا جوهريًا في أنظمة الأنساب. تراجع هذه الورقة أدبيات مطابقة السجلّات (record linkage) منذ التأسيس الإحصائي لـ Fellegi و Sunter [1]، مرورًا بالمطابقة الصوتية ومقاييس تشابه السلاسل [2][3]، وتحديات الأسماء العربية تحديدًا [4]، وصولًا إلى مطابقة الكيانات الحديثة [6]. ثم نصف على مستوى متقدم منهجية منصة نَسايِب في بناء «بصمة هوية» دون كشف تفاصيلها.

١. المشكلة

في أي عائلة كبيرة يتكرّر السؤال: هل هذا «محمد بن أحمد» هو نفسه الذي في الفرع الآخر، أم شخص آخر يحمل الاسم ذاته؟ الإجابة الخاطئة تعني إمّا سجلّين لشخص واحد (تضخّم زائف وتناقض)، أو دمج شخصين مختلفين (فقدان للحقيقة). وتتضاعف الصعوبة مع خاصيتين للأسماء: تعدد أشكال الكتابة، وشدة التكرار داخل العائلة الواحدة.

٢. تحدّي الاسم

يُكتب الاسم الواحد بأشكال متعددة تبعًا لإملاء الهمزات والألف والتاء المربوطة وغيرها (فؤاد/فواد، أحمد/احمد). كما تتكرّر الأسماء نفسها بكثرة إكرامًا للأجداد، فتجد في الفرع الواحد عدة أشخاص بالاسم ذاته واسم الأب ذاته. لذا لا يكفي الاسم، ولا الاسم مع اسم الأب، للتمييز الموثوق. وهذه إشكالية معروفة في ربط السجلّات التاريخية والسكانية عمومًا [5].

٣. مراجعة الأدبيات

أرسى Fellegi و Sunter عام ١٩٦٩ الإطار الاحتمالي الكلاسيكي لمطابقة السجلّات، القائم على موازنة احتمالات التطابق وعدمه عبر حقول متعددة [1]. وقبل ذلك وبعده تطوّرت المطابقة الصوتية: خوارزمية Soundex ثم NYSIIS لتجميع الأسماء المتشابهة لفظًا رغم اختلاف كتابتها [2]. وأضافت مقاييس تشابه السلاسل مثل Levenshtein و Jaro–Winkler قياسًا كمّيًا لقرب سلسلتين نصّيتين [3].

أما الأسماء العربية فتطرح تحديات خاصة في التطبيع والترجمة الصوتية، عالجتها أبحاث معالجة اللغة الطبيعية بتقنيات لتوحيد أشكال الكتابة والتعامل مع اللواحق والإضافات [4]. وعلى نطاق أوسع، توسّعت مسوح حديثة في «مطابقة الكيانات» (entity resolution) التي تعمّم المشكلة إلى ربط سجلّات تشير إلى الكيان نفسه عبر مصادر متعددة [6]، مع أطر عملية شاملة في أدبيات مطابقة البيانات [7].

الاسم يشير إلى كثيرين؛ الهوية تشير إلى واحد.

٤. من الاسم إلى البنية

الدرس المتكرّر في هذه الأدبيات أن الاسم وحده إشارة ضعيفة؛ وأن الدقة تأتي من دمج إشارات متعددة، ومن ربط الكيان ببنيته المحيطة لا معالجته منعزلًا. في سياق الأنساب، البنية المحيطة هي شبكة القرابة نفسها: النسب، والزواج، والموضع في الرسم. وهذا يربط مشكلة الهوية بمشكلة تمثيل القرابة ربطًا وثيقًا.

٥. منهجية منصة نَسايِب (مستوى متقدم)

تبني منصة نَسايِب «بصمة هوية» تجمع بين الاسم وسلسلة النسب وإشارات إضافية مثل اسم الزوج، بعد تطبيع لغوي يوحّد اختلافات الكتابة. اجتماع هذه الإشارات يجعل التطابق العرضي بين شخصين مختلفين نادرًا، فتُكتشف السجلّات المكرّرة وتُوحَّد بدقة عالية. أما المعاملات الدقيقة وأوزان المطابقة وحدودها فجزء من عملنا الخاص لا نفصح عنه.

الإسهام هنا مزدوج: تكييف أدبيات المطابقة لخصوصية الأسماء والأنساب في ثقافات متعددة، وربط الهوية ببنية القرابة نفسها بدل معالجة الأسماء بمعزل عنها. النتيجة سجلّ عائلي نظيف يُحفظ فيه كل شخص مرة واحدة، يمكن الوثوق به والاعتماد عليه.

٦. خلاصة

التمييز بين الأفراد في العائلات كثيرة التشابه الاسمي مشكلة قديمة لها أدبيات غنية، من المطابقة الاحتمالية إلى مطابقة الكيانات. والحلّ العملي لا يكون بإشارة واحدة، بل ببصمة هوية تجمع الاسم والنسب والمحيط، مبنيّة على تطبيع لغوي يحترم خصوصية اللغة. هكذا تبقى العائلة سجلًّا دقيقًا، لا ركامًا من نسخ متناقضة.

المراجع

1. Fellegi, I. P., & Sunter, A. B. "A Theory for Record Linkage." Journal of the American Statistical Association, 1969.
2. Russell, R. C. / Odell, M. Soundex (US Patents, 1918/1922); Taft, R. NYSIIS, 1970.
3. Winkler, W. E. "String Comparator Metrics and Enhanced Decision Rules in the Fellegi–Sunter Model." US Census Bureau, 1990.
4. Marton, Y., & Zitouni, I. "Transliteration Normalization for Information Extraction and Machine Translation." Journal of King Saud University — Computer and Information Sciences, 2014.
5. Newcombe, H. B., et al. "Automatic Linkage of Vital Records." Science, 1959.
6. Getoor, L., & Machanavajjhala, A. "Entity Resolution: Theory, Practice & Open Challenges." Proc. VLDB, 2012.
7. Christen, P. Data Matching: Concepts and Techniques for Record Linkage. Springer, 2012.