面向主动在线姓名消歧的贝叶斯非穷举分类

姓名消歧任务将一组与特定姓名相关的记录划分为若干分区，使得分区与共享该姓名的群体之间建立一一对应关系。现有的大多数解决方案都是针对静态数据提出的。然而，更现实的场景规定记录以流式方式涌现，其中记录可能属于已知人员，也可能属于共享同一姓名但未知的人员。这要求一种灵活的姓名消歧算法，该算法不仅能对训练数据中由其现有记录代表的已知人员的记录进行分类，还能识别出初始训练数据集中没有现有记录的新歧义人员的记录。为实现这一目标，本文提出了一种用于解决在线姓名消歧的贝叶斯非穷举分类框架。具体而言，我们提出以狄利克雷过程高斯混合模型（DPGMM）作为在线姓名消歧任务的核心引擎。同时，提出了两种在线推理算法，即单遍吉布斯采样器和带重采样的序贯重要性采样（也称为粒子滤波），以同时执行在线分类和新类发现。作为案例研究，我们考虑时间流格式的书目数据，并通过将作者的论文划分为同质组来消歧作者。我们的实验结果表明，所提出的方法在执行在线姓名消歧任务方面显著优于现有方法。我们还提出了在线姓名消歧方法的交互式版本，旨在利用用户反馈来提高预测准确性。