nexus/wiki/concepts/Blocking.md

title, type, tags, sources, last_updated

title	type	tags	sources	last_updated
Blocking	concept	identity-resolution performance algorithm entity-matching	identity-graph-operator	2026-04-25

Blocking（阻塞/分块）

Definition

身份解析中的候选对筛选技术——通过预计算的 blocking key 将全量 O(n²) 记录对比较减少为可控规模候选集的 O(n×k) 操作，是大规模实体解析的性能关键。

Blocking Key Types

类型	示例	适用场景
Email Domain	acme.com	同一公司账号
Phone Prefix	+1555	同一地区号码
Name Soundex	S530	语音相似姓名（Williams→W452）
Postal Code	94105	同一地理区域
Composite	email_domain + name_soundex	联合分块，减少假阳性

Workflow

全量记录
    ↓
为每条记录生成 blocking key(s)
    ↓
按 blocking key 分组（分块）
    ↓
仅对同组记录对进行 pairwise scoring
    ↓
跨块记录对被阻塞（不比较）

Design Considerations

• 召回率 vs 性能：blocking key 越宽松 → 更多候选对 → 更高召回率但更慢；越严格 → 更少候选对但可能遗漏真匹配
• 假阴性风险：两个同实体但 blocking key 不同（如 "gmail.com" vs "googlemail.com"）会跨块遗漏
• 假阳性成本：同块内异实体（如同名不同人的 "John Smith"）需靠 scoring 层排除

Relationship to Related Concepts

• Blocking 是 Identity Resolution 的性能优化组件，通过牺牲少量召回率换取大规模场景可接受的计算成本
• Fuzzy-Matching 在 Blocking 筛选出的候选对上执行细粒度评分
• Confidence-Score 综合 Blocking + Scoring 的结果给出最终合并决策