可能的解决方案

在通常情况下，能够意识到这是一个悬而未解的问题很重要，人们尝试了一些在某些特定情况下可以工作的想法。这些方法，有的是个“死胡同”，但是有的当继续发展时，看起来像是可以在广泛的数据集上工作。

匹配多个字段

在第7章中，Jeff Jonas描述了一个假设的场景，可以通过结合名字和地址，发现某个员工是个小偷。在那种情况下，名字和地址的组合足以表明两种不同的记录实际上表示同一个人。Jeff可以很快地指出他遇到这样的情况，一个“Patrick Smith”和另一个“Patricia Smith”有相同的地址，而且都包含“Pat Smith”，因此如果你不注意，很容易陷入其他很明显的规则的迷宫中。

这说明了在数据集中匹配数据项时可用的最基本常见的方式：选择一组参数，创建一组固定的规则来告诉你事物间是否匹配。举个例子，“两个人是否有相同的名字和地址？”或者“两部电影是否有相同的名字并且是在同一年发布的？”

这种方法在很多情况下都适用，但是它存在一些缺点。首先，它需要开发人员识别字段和匹配规则。这种方式可能会非常乏味，因为当他们发现根据基本的名字/发布年份规则，《Prêt-à-Porter》和《Ready to Wear》不匹配时，他们需要发明另一种规则，如“两部电影在同一年发布，导演相同，而且至少有一个演员相同。”

另一个问题是它需要这些字段本身具有很高的一致性。如果我们没有演员的全名怎么办呢？如果在其中一个数据库丢失了某些电影的年份信息，那又该如何处理？最后，因为我们是选择特定的字段，然后生成平面记录，这种方式并没有充分利用全部网络的数据——全网数据潜在地可能为我们提供更多关于身份的信息。