47 lines
1.7 KiB
Markdown
47 lines
1.7 KiB
Markdown
---
|
||
title: "Blocking"
|
||
type: concept
|
||
tags: ["identity-resolution", "performance", "algorithm", "entity-matching"]
|
||
sources: ["identity-graph-operator"]
|
||
last_updated: 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
|