MétaCan
Menu
Retour à la cohorte
Enregistrement W2237788583

Stepwise Variable Selection for Loglinear Mixture in Record Linkage

2010· article· en· W2237788583 sur OpenAlex
Rong Zhu, Jintun Zhang, Da Zhang, Guohua Yan

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueData Quality and Management
Établissements canadiensUniversity of New BrunswickMcMaster University
Organismes subventionnairesnon disponible
Mots-clésLog-linear modelOverfittingMathematicsModel selectionCovariateSelection (genetic algorithm)Mixture modelStatistical modelLinkage (software)Probabilistic logicStatisticsLinear modelArtificial intelligenceComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A model building strategy is proposed to improve the probabilistic match in record linkage with focus on the loglinear mixture model of two components, each for the matched and unmatched pairs respectively. In reality, the comparison attributes (i.e., covariates) often interact each other, leading to more or less interactions in the loglinear models for both matched and unmatched pairs. However, the interactions patterns often are not the same for both components. Particularly, because the number of matched pairs is very small comparing with that of unmatched pairs in a real case, the model for matched pairs can not be fitted with the same higher order interactions as that for the unmatched pairs. The proposed strategy attempts to avoid both underfitting and overfitting due to subjective model specification for the data. Unlike the subjective specification, this strategy is data-driven. Starting from the situation of no interaction, we add interactions sequentially in two loglinear components using the forward selection approach. To this end, we define the alternatively climbing pathways through mixture families of two components with higher order interactions. The mixture models expanded along a pathway are nested successively, thus, conventional tests used for nested models can be applied. Regarding parameter estimation for the mixture, a simplified method (including the choice of initial values of parameters) for the EM algorithm is developed, which facilitates the mixture model fitting using existing packages and functions in sophisticated statistical software such as R. Simulation study has then been conducted for various situations to assess the model selection approach, and comparison of these selected models with the naive model assuming field independence has been made. We apply this strategy to the record linkage case study in SSC 2006 and have identified interactions among certain comparison attributes for both matched and unmatched pairs, these interaction patterns are not always the same for both matched and unmatched pairs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,427
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,094
Tête enseignante GPT0,404
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

En bref

Citations5
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetData Quality and ManagementTravaux en français237 207