统计学 > 方法论
[提交于 2025年7月24日
]
标题: 通过微聚类进行大规模实体解析 Ewens--Pitman随机划分
标题: Large-scale entity resolution via microclustering Ewens--Pitman random partitions
摘要: 我们引入了微聚类Ewens-Pitman模型,用于随机划分,该模型通过将Ewens-Pitman模型的强度参数与样本量线性缩放得到。 结果表明,这种随机划分具有微聚类特性,即:最大聚类的大小随着样本量的增长呈次线性增长,而聚类的数量则呈线性增长。 通过利用Ewens-Pitman随机划分与Pitman-Yor过程之间的相互作用,我们开发了高效的变分推断方案,用于实体解析中的后验计算。 我们的方法在现有贝叶斯方法中实现了三个数量级的速度提升,同时保持了具有竞争力的实证性能。
当前浏览上下文:
stat.ME
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.