Profiling des tâches de benchmark d'appariement d'entités

L’appariement d’entités est une tâche centrale dans l’intégration des données, qui fait l’objet de recherches depuis des décennies. Au fil du temps, un large éventail de tâches de benchmark a été développé afin d’évaluer les méthodes d’appariement d’entités. Ce document ressource complémente, caractérise et compare de manière systématique 21 tâches de benchmark d’appariement d’entités. Afin de mieux comprendre les défis spécifiques associés à chaque tâche, nous définissons un ensemble de dimensions de caractérisation qui capturent les aspects fondamentaux des tâches d’appariement. À l’aide de ces dimensions, nous regroupons les tâches de benchmark selon leurs caractéristiques similaires. Ensuite, nous évaluons la difficulté des tâches au sein de chaque groupe en calculant des résultats de base d’évaluation à l’aide d’une ingénierie standard de caractéristiques combinée à deux méthodes de classification courantes. Pour garantir la reproductibilité exacte des résultats d’évaluation, les tâches d’appariement doivent inclure des ensembles précis de paires d’enregistrements appariés et non appariés, ainsi qu’une division fixe entre les ensembles de développement et de test. Étant donné que cette condition n’est pas respectée pour certaines tâches de benchmark largement utilisées, nous complétons ces dernières en leur ajoutant des ensembles fixes de paires non appariées ainsi que des divisions fixes, et mettons à disposition publiquement les ensembles de développement et de test résultants. En caractérisant et en complétant les tâches de benchmark, nous soutenons les chercheurs dans le choix de tâches à la fois exigeantes et diversifiées, et dans la comparaison des systèmes d’appariement sur des bases clairement définies.