基于微聚类 Ewens--Pitman 随机分区的大规模实体解析
统计方法学
2025-07-25 v1 统计理论
统计计算
机器学习
统计理论
摘要
我们引入微聚类 Ewens--Pitman 模型用于随机分区，通过线性随样本大小增长缩放 Ewens--Pitman 模型的强度参数来获得。证明所得随机分区具有微聚类属性，即最大簇的大小随样本大小的增长而亚线性增长，而簇的数量则线性增长。通过利用 Ewens--Pitman 随机分区与 Pitman--Yor process 之间的相互作用，我们开发了高效的变分推断方案，用于实体解析的后验计算。我们的方法相对于现有贝叶斯实体解析方法实现了三个数量级的加速，同时保持竞争的实证性能。
关键词
引用
@article{arxiv.2507.18101,
title = {Large-scale entity resolution via microclustering Ewens--Pitman random partitions},
author = {Mario Beraha and Stefano Favaro},
journal= {arXiv preprint arXiv:2507.18101},
year = {2025}
}