关联数据应用中，相同实体判定是重要工作，决定最终的应用效果。对于从原有数据转换而来的关联数据，这项工作尤其重要。比如从MARC转换到BIBFRAME、schema.org或其他格式，完成格式上的映射后，做一个转换程序不会太难，麻烦的是给转换后的实体配上相应的URI。当然可以简单地设置自家URI/IRI，但后续也需要与其他/通用URI匹配，才能发挥作用。比如把书目记录中的某个作者，关联到维基百科中的某个人物词条。调和与解析（Reconciliation & Resolution），就是对实体进行匹配。
LD4 Community Working Group on Reconciliation
基于安德鲁梅隆基金系列课题（LD4L、LD4L-Labs、LD4P）的LD4社群，在2017年5月成立了一个开放参与的“调和与解析工作组”，致力于解决这个问题。目前志愿参与的成员来自Europeana、芬兰赫尔辛基大学、美国国会图书馆、史密森学会、斯坦福大学、华盛顿大学、印第安那大学、加州大学圣迭戈分校、加州大学圣芭芭拉分校、加州大学校长办公室、艾利贝斯集团、Apache软件基金。
工作组目标是为文化遗产/GLAM（美术馆、图书馆、档案馆、博物馆）的资源元数据的调和与解析，总结匹配算法、工作流程、工具和功能需求。
对于相关概念，小组认定的术语含义如下（目前工作内容仅涉及前二者）：
– 调和（Reconciliation）：实体/URI到实体/URI
– 实体解析（Entity resolution）：字符串到实体/URI（常误称“调和”）
– 词汇化（Lexicalization）：实体/URI到字符串（即得到相应的标签label）
调和与解析相关工作，在实际应用中可能不只是匹配一种情况。目前小组正在公开征集用例、功能需求、当前服务、工作流程等。有一个提交用例的简单模板，包括主要行动者（参与人员）、涉及范围、描述（story）三项内容。
GitHub上到今天（2017-8-10）已经提交了38个用例（编号21-76，有跳号），比如：#76跨语言匹配，#70运行优化，#68使用本体，#39断言两个实体不同。
via BIBFRAME listserv: Call for Reconciliation & Entity Resolution Use Cases / Needs / Stories. Brian Tingle. 8 Aug 2017
参见小组工作计划：LD4 Community Working Group on Reconciliation, 2017-2018 Work Plan
另参见：重量级图书馆关联数据项目LD4P获得资助（2016-5-10）