R中的记录链接包-为单个链接变量添加权重

我正在遵循使用华丽的RecordLink软件包的优秀教程。我将这一点应用到我自己的数据中，但我将仅使用教程来解释我的问题

在用于比较的两个数据集中，链接中使用了许多公共字段：

patents <- patents[,c("seq", "firstname", "lastname", "city", "state", "organization")]

nsf <- nsf[, c("InvestigatorId", "FirstName", "LastName", "CityName", "StateCode", "Name")]

names(nsf) <- names(patents) 

---

patents您不能向
emWeights（）
输入其他信息，除非
cutoff=
，它接受与属性数相同长度的单个值或向量。因此，您可以为已知准确的属性选择一个较高的
截止值
，这样随机匹配的数量将最小化

除此之外，RecordLink中的EM算法不允许进一步定制

但是，有一个
epiWeights（）
挂件，它使用估计的错误率（默认值
e=0.01
）和每个字段中值的平均频率
（1/长度（唯一（所有值都在\u a\u字段中））计算
0
和
1
之间的权重
。您可以手动向函数提供，也可以通过这种方式调整结果

考虑这个例子：

t1 <- data.frame(Vorname = c("Karl", "Fritz"), Name = c("Meister", "Schulz"), stringsAsFactors = F)

t2 <- data.frame(Vorname = c("Karl", "Fritz"), Name = c("Meister", "Schulze"), stringsAsFactors = F)

> epiWeights(linkage)$Wdata  # e = 0.01
[1] 1.0000000 0.0000000 0.0000000 0.3855691

> epiWeights(linkage, e = c(0.01, 0.3)$Wdata  
[1] 1.0000000 0.0000000 0.0000000 0.3120078


t1体重指数（联动，e=c（0.01,0.3）$Wdata
[1] 1.0000000 0.0000000 0.0000000 0.3120078

如果假设字段
Nachname的错误率较高，则权重会较低。
您无法向
emWeights（）输入其他信息
，除了可能的
截止=
，它接受单个值或与属性数相同长度的向量。因此，您可以为已知准确的属性选择一个高的
截止
值，以便将随机匹配数降至最低

除此之外，RecordLink中的EM算法不允许进一步定制

但是，有一个
epiWeights（）
挂件，它使用估计的错误率（默认值
e=0.01
）和每个字段中值的平均频率
（1/长度（唯一（所有值都在\u a\u字段中））计算
0
和
1
之间的权重
。您可以手动向函数提供，也可以通过这种方式调整结果

考虑这个例子：

t1 <- data.frame(Vorname = c("Karl", "Fritz"), Name = c("Meister", "Schulz"), stringsAsFactors = F)

t2 <- data.frame(Vorname = c("Karl", "Fritz"), Name = c("Meister", "Schulze"), stringsAsFactors = F)

> epiWeights(linkage)$Wdata  # e = 0.01
[1] 1.0000000 0.0000000 0.0000000 0.3855691

> epiWeights(linkage, e = c(0.01, 0.3)$Wdata  
[1] 1.0000000 0.0000000 0.0000000 0.3120078


t1体重指数（联动，e=c（0.01,0.3）$Wdata
[1] 1.0000000 0.0000000 0.0000000 0.3120078

如果假设字段
Nachname
的错误率较高，则权重较低

t1 <- data.frame(Vorname = c("Karl", "Fritz"), Name = c("Meister", "Schulz"), stringsAsFactors = F)

t2 <- data.frame(Vorname = c("Karl", "Fritz"), Name = c("Meister", "Schulze"), stringsAsFactors = F)

> epiWeights(linkage)$Wdata  # e = 0.01
[1] 1.0000000 0.0000000 0.0000000 0.3855691

> epiWeights(linkage, e = c(0.01, 0.3)$Wdata  
[1] 1.0000000 0.0000000 0.0000000 0.3120078