基于随机森林的实体识别方法

实体识别是将一个或多个数据源中描述同一现实世界实体的数据对象分到同一组的过程，它 在数据清洗、数据集成、数据挖掘中起着至关重要的作用。然而，实体的特征具有随时间演化的特性，这使得实体识别面临巨大的挑战。传统的实体识别方法解决了特征随着时间规律性的改变问题，但没有考虑到数据的不规律变化。该文提出了基于分类的方法解决特征不规律演化的实体识别问题。该方法首先利用机器学习中改进的随机森林的方法计算记录的相似性，接着提出了一个新型的两阶段 聚类算法完成记录聚类过程，最后通过在真实数据集上的对比试验证明了该算法的有效性。通过在真实数据集上的实验，证明了该方法能够有效提高演化实体的识别准确性