arXiv cs.CL· Noah Dasanaike·· 2 天前AI 评分10
EnsembleLink：无需训练数据的高精度记录链接方法
EnsembleLink: Accurate Record Linkage Without Training Data
AI 导读
EnsembleLink 是一种无需任何训练标签即可实现高精度记录链接的方法，利用预训练语言模型从大规模文本语料中学到的语义关系进行匹配。在涵盖城市名、人名、机构、多语言政党及书目记录的基准上，其表现达到或超过需要大量标注的方法。该方法可在开源模型上本地运行，无需外部 API 调用，典型链接任务几分钟内即可完成。
正文 · AI 翻译
本文已被 Noah Dasanaike 撤回
摘要：记录链接，即跨数据集匹配指向同一实体的记录的过程，对实证社会科学至关重要，但在方法论上仍不成熟。研究人员将其视为预处理步骤，应用临时规则，而不量化链接错误给下游分析带来的不确定性。现有方法要么准确率低，要么需要大量标注训练数据。我提出 EnsembleLink，一种无需任何训练标签即可实现高准确率的方法。EnsembleLink 利用预训练语言模型，这些模型已从大规模文本语料中学习到语义关系（例如“South Ozone Park”是“New York City”中的一个街区，或“Lutte ouvriere”指托洛茨基主义的“Workers' Struggle”党）。在涵盖城市名称、人名、组织、多语言政党和书目记录的基准测试中，EnsembleLink 达到或超过了需要大量标注的方法。该方法在开源模型上本地运行，无需外部 API 调用，并可在几分钟内完成典型的链接任务。
| 评论： | 本文已被 arXiv:2610.19048 取代（由 arXiv:2601.21132 和 arXiv:2601.21138 合并而来） |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2601.21138 [cs.CL] |
| （或 arXiv:2601.21138v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2601.21138 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Noah Dasanaike [查看电子邮件]
[v1]
2026年1月29日星期四 00:41:11 UTC（14 KB）
[v2]
2026年2月27日星期五 22:46:29 UTC（15 KB）
[v3]
2026年10月15日星期四 01:58:41 UTC（1 KB）（已撤回）
来源：arXiv cs.CL · arxiv.org