Consistently Evaluating Record Linkage Classifiers

Peter Christen

doi:10.1145/3786768

Consistently Evaluating Record Linkage Classifiers

2026-03-01

0

PRE

AI

DOI：10.1145/3786768

原文求助

摘要

En 中文

记录链接是识别数据库内部或跨数据库中指向同一现实世界实体的记录的过程。如果存在真匹配（两个记录指向同一实体）和真非匹配（两个记录指向不同实体）形式的训练数据，则记录链接可被视为有监督的分类问题。精度、召回率和F度量等性能指标常用于评估经训练分类器获得的链接质量。然而，如本文所示，使用这些指标比较多个分类器可能导致不一致的评估，因为对于给定指标，不同分类结果可能得到相同结果。这可能导致选择次优分类器，进而产生低质量链接数据集并可能导致错误决策。为解决此问题，我们提出一致记录链接（CRL）指标，一种应用导向的评估方法，确保记录链接分类器得到公平透明的评估。CRL指标允许用户定义其链接应用可接受的最大错误率，并提供关于分类器针对这些错误率所得分类阈值范围内的鲁棒性的实用信息。我们在合成和真实数据集上使用多个分类器评估CRL指标，以展示其相较于标准性能指标的优越性。

Keyword:

Entity resolution

data matching

supervised classification

evaluation

performance measure

area under the curve

precision

recall

F-measure

F-star

Consistently Evaluating Record Linkage Classifiers

摘要

期刊

机构

引用论文