ICE-ID：面向纵向身份解析的新型历史人口普查数据集
人工智能
2026-02-25 v2 计算与语言
机器学习
应用统计
摘要
我们介绍了ICE-ID，一个基准数据集，包含来自16个冰岛人口普查波次的984,028条记录，时间跨度为220年（1703-1920年），包含226,864个专家整理的人物标识符。ICE-ID结合了层次化地理（农场→教区→区→县）、父名命名惯例、稀疏亲属关系链接（伴侣、父亲、母亲）以及跨数十年的时间漂移——这些挑战是标准产品匹配或引用数据集所未能捕捉的。本文呈现了基于产物的时序覆盖度、缺失性、标识符模糊性、候选生成效率和聚类分布分析，并将ICE-ID与经典ER基准（Abt-Buy、Amazon-Google、DBLP-ACM、DBLP-Scholar、Walmart-Amazon、iTunes-Amazon、Beer、Fodors-Zagats）进行了对比。我们还定义了一个部署保真的时序OOD协议，并发布了数据集、数据集划分、再生脚本、分析产物和交互式探索仪表板。基线模型比较和端到端ER结果在配套方法论文中报告。
引用
@article{arxiv.2506.13792,
title = {ICE-ID: A Novel Historical Census Dataset for Longitudinal Identity Resolution},
author = {Gonçalo Hora de Carvalho and Lazar S. Popov and Sander Kaatee and Mário S. Correia and Kristinn R. Thórisson and Tangrui Li and Pétur Húni Björnsson and Eiríkur Smári Sigurðarson and Jilles S. Dibangoye},
journal= {arXiv preprint arXiv:2506.13792},
year = {2026}
}