基于LLM自适应图谱细化与标签传播的成本效益实体解析
计算与语言
2026-05-26 v1 人工智能
摘要
脏实体解析 (ER)，即从单个混乱的数据集中识别指向同一真实实体的记录，是数据管理和挖掘中的基本任务。然而，主导的阻塞-匹配-聚类范式存在关键缺陷。其级联、解耦的工作流程本质上产生一个静态、稀疏的图谱，因阻塞失败导致缺失边缘，因匹配错误导致噪声链接，导致误差传播并产生次优聚类，特别是当严格的传递性在聚类中被强加时。我们认为匹配和聚类本质上是协同的，两者都优化实体图的理想构建。基于这一洞见，我们提出Alper，一个统一的框架，将这些步骤集成到对全局、演化图谱上的迭代概率标签传播过程中。与离散阻塞不同，Alper通过自适应整合来自图传播的"弱但廉价"信号与来自LLM基于 pairwise 查询的"强但昂贵"信号，动态细化图谱结构和标签。为了更高的成本效益，我们将信号选择建模为在查询预算下最大化累积边际收益的受约束优化问题，通过贪婪算法求解并提供可证明的理论保证。我们的广泛实验表明，Alper在八个基准数据集上始终优于最新的级联管道。
引用
@article{arxiv.2605.25814,
title = {Adaptive Graph Refinement and Label Propagation with LLMs for Cost-Effective Entity Resolution},
author = {Hongtao Wang and Renchi Yang and Haoran Zheng and Xiangyu Ke},
journal= {arXiv preprint arXiv:2605.25814},
year = {2026}
}