如何减少实体解析的搜索空间：使用阻塞或最近邻搜索？
摘要：实体消解的时间复杂度是二次的。为提高时间效率，通常使用三种过滤技术来限制其搜索空间：（i）块工作流，将具有相同或相似标识的实体配置在一起，（ii）字符串相似度连接算法，快速检测超过阈值的相似实体，和（iii）最近邻方法，将每个实体配置转换为向量，并快速根据指定的距离函数检测最近的实体。各种方法已提出用于每一类型，但文献缺乏对它们相对性能的比较分析。正如我们在这项工作中展示的那样，这是一个非平凡的任务，因为配置参数对每种过滤技术的性能有重要影响。我们进行了第一个系统的实验研究，调查了每种类型的主要方法在10个真实数据集上的相对性能。对于每种方法，我们考虑了大量的参数配置，并从召回率和精确度方面进行了优化。对于每个数据集，我们考虑了无模式和基于模式的设定。实验结果为考虑的技术的有效性和时间效率提供了新的见解，证明了块工作流和字符串相似度连接的优越性。
作者：George Papadakis, Marco Fisichella, Franziska Schoger, George Mandilaras, Nikolaus Augsten, Wolfgang Nejdl
论文ID：2202.12521
分类：Databases
分类简称：cs.DB
提交时间：2022-10-07