实体解析和标识符管理

实体解析和标识符管理。实体解析（Entity Resolution）是确定

两个对现实世界对象的引用到底是指同一对象还是不同对象的过程

（Talbert，2011）。实体解析是一个决策过程，执行过程的模型根据它

们确定两个引用之间相似性的方法而有所不同。虽然解析总是发生在成

对的引用之间，但是可以把该过程系统地扩展到大型数据集上。因为匹

配和合并记录的过程实现了主数据集的构建，所以实体解析过程对于主

数据管理至关重要。

实体解析包括一系列活动（实例提取、实例准备、实例解析、身份

管理、关系分析），这些活动能够使实体、实例的身份以及实体、实例

之间的关系持续地被管理。在实例解析过程中，通过一个判定是否的过

程，两个实例可能会被认定为是代表同一实体。这些实例再通过一个全

局标识符连接起来，这个标识符能够表明它们是等价的（Talburt，

2011）。

①匹配（Matching）。匹配或候选识别是识别不同记录如何与单个

实体相关联的过程。这个过程的风险是：

a）假阳性（

False Positives）。不代表同一实体的两个对象被关联

在一个标识符下。假阳性导致一个标识符指向多个现实世界的实体实

例。

b）假阴性（

False Negatives）。代表同一实体的两个对象没有关联

在一个标识符下。假阴性导致多个标识符指向同一个现实世界的实体，

但一个实体本应该有且只有一个标识符。