类别错误灵敏度指数（ISEC）：用于手动数据录入系统中不可恢复错误的预防性序数决策支持度量
计算与语言
2026-05-13 v1
摘要
数据录入系统仍然在结构上容易受到类别误分类的威胁，尤其是在中小型企业（SME）中。当名义类别在语义或形态上具有相近性时，人机交互可能产生不可恢复的错误。在缺乏自动输入控制的情况下，手动数据录入经常会生成不可恢复的类别失真，这些失真会传播到关键绩效指标（KPI），从而误导管理决策。现有的归一化工具通常以孤立的方式评估语义和形态维度，并严重依赖标准词典，因而对 SME 主数据中丰富的自定义 SKU、缩写和领域特定技术术语效果不佳。本文引入类别错误灵敏度指数（ISEC），这是一种用于按其结构易受混淆程度对类别对进行排序的序数复合得分。ISEC 将语义距离（通过词嵌入）、自定义加权形态转换成本（通过改进的达拉曼-莱文斯坦算法）以及经验频率整合为统一、在数学上稳健的预防框架。通过利用向量数据库架构，ISEC 降低了计算复杂度，实现了约 195 倍于暴力方法的性能提升。在三个异构数据集上进行验证：政府司法记录、零售库存以及合成 ISO 编码金加工目录。ISEC 提供了一种可扩展且具有前瞻性的数据治理工具，使 SME 能够检测其类别数据资产中潜在的结构性风险。
引用
@article{arxiv.2605.12328,
title = {A categorical error sensitivity index (ISEC): A preventive ordinal decision-support measure for irrecoverable errors in manual data entry systems},
author = {Ricardo Raúl Palma and Mauro Anibal Benetti and Fabricio Orlando Sanchez Varretti},
journal= {arXiv preprint arXiv:2605.12328},
year = {2026}
}
备注
15 pages, 4 figures