用于记录链接的二部匹配贝叶斯估计
统计方法学
2016-01-26 v1 应用统计
机器学习
摘要
二部记录链接任务包括合并两个包含关于两个重叠实体集信息的不同数据文件。在缺乏唯一标识符的情况下这并非易事，并且由于每当我们需要组合来自不同来源的信息时都需要解决该问题，它对各种应用都很重要。目前用于记录链接的大多数统计技术源自 Fellegi 和 Sunter (1969) 的一篇开创性论文。这些技术通常假设记录对匹配状态的独立性，以推导估计程序和最优点估计量。我们认为这种独立性假设是不合理的，而是将两数据文件之间的二部匹配作为我们感兴趣的参数。贝叶斯实现使我们能够量化匹配决策的不确定性，并使用不同的损失函数推导各种点估计量。我们提出部分贝叶斯估计，允许二部匹配中不确定的部分保持未解决。我们使用各种具有挑战性的场景评估我们的记录链接方法，并表明其优于传统方法。我们合并萨尔瓦多内战伤亡的两个数据文件，以说明我们方法的优势。
引用
@article{arxiv.1601.06630,
title = {Bayesian Estimation of Bipartite Matchings for Record Linkage},
author = {Mauricio Sadinle},
journal= {arXiv preprint arXiv:1601.06630},
year = {2016}
}
备注
This is a preprint of an article accepted for publication in the Journal of the American Statistical Association. The final version contains more materials and is organized differently