Метрика средней дистанции для оценки качества алгоритмов нечёткого сопоставления без эталонных данных

В данной работе рассматривается фундаментальная проблема оценки качества алгоритмов нечеткого сопоставления (fuzzy matching) в условиях отсутствия или недостоверности эталонных данных (ground truth). Традиционные метрики, такие как F-score, демонстрируют свою неадекватность в реальных бизнес-задачах, поскольку они требуют наличия эталона, игнорируют степень схожести найденных пар и зависят от выбора порога бинаризации. В качестве альтернативы предлагается метрика средней дистанции (Mean Distance Metric, MDM) — самосогласованный подход, оценивающий алгоритм на основе среднего расстояния между найденными им парами по его собственной функции расстояния. Этот метод позволяет сравнивать различные алгоритмы без эталона, анализируя компромисс между качеством совпадений (низкий MDM) и полнотой покрытия (количество пар N). Для более глубокого анализа вводится метод кросс-валидации, позволяющий оценить результаты одного алгоритма с помощью функции расстояния другого, что выявляет специализацию и объективную силу каждого подхода. В статье также подчеркивается важность трехмерной оценки, включающей качество (MDM), полноту (N) и вычислительную стоимость, и приводятся результаты сравнительного анализа производительности и качества для ряда известных алгоритмов на реальных данных.