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。