二部记录链接的最优 F-分数聚类
统计方法学
2023-12-06 v2
摘要
概率记录链接常用于匹配两个文件中的记录，特别是当两文件共有的变量包含姓名和人口统计学变量等测量不完善的标识符时。我们考虑二部记录链接设定，其中每个实体在文件内至多出现一次，即文件内无重复，但某些实体同时出现在两个文件中。在此设定下，分析者期望获得链接结构的点估计，将每条记录至多匹配到另一文件中的一条记录。我们提出一种通过最大化链接结构的期望 -分数来获得该点估计的方法。我们的方法面向那些产生未知链接结构的（近似）后验分布或记录对匹配概率的链接方法。通过模拟和真实数据应用，我们说明 -分数估计量可得到合理的链接结构估计。
引用
@article{arxiv.2311.13923,
title = {Optimal $F$-score Clustering for Bipartite Record Linkage},
author = {Eric A. Bai and Olivier Binette and Jerome P. Reiter},
journal= {arXiv preprint arXiv:2311.13923},
year = {2023}
}