记录匹配的主要工作是合并两个及多个不同来源的文件,当文件中缺乏唯一的标识符时,此问题的研究则被视为一个富有挑战性的问题。本文我们主要根据中文姓名的特征,年龄及职业的频率分布生成了相应的原始记录。随后,我们对原始记录进行干扰生成相应的扰动记录,并赋予其与原始记录一样的idd,以便于后面模型性能比较时计算模型的匹配率。又由于中英文记录在计算不同记录之间的距离有差异,我们在对生成的记录进行了数据预处理时,定义了自己的编辑距离。然后,我们讨论了模型中假设记录对之间的匹配状态独立是不合理的,而选用了两文件的匹配标签作为我们自己感兴趣的参数。之后,我们选择了模型参数的先验分布,并运用不同的损失函数推导出了不同的后验点估计。最后,我们阐述了从参数后验分布中抽样的Gibbs抽样算法,并展示了不同情形下模型的性能。另外,为了了解此模型的性能,我们计算了模型在不同情形下的精度以及召回率。结果显示,我们给出的方法表现的很好。