澎湃新闻
同一来源中的字段一致性比单个✅关键词更有参考价值。标题相似但编号、载体、封面和目录完全不同的结果,应分别保存,不宜为了提💎高匹配度而强行合并。
“2B5”最需要单独核验,因为字母B和数字8、数字5与字母S✨在人工录入、图片识别或文件重命名中容易混淆。单看这三个字符,无法判断它是版本号、批次号、目录编号、页面位置,还是某个站点使用的内部代码。
“汤芳当时光走过2B5”的核验应从完整来源开始,而不是只比较搜索标题。用户可以把每条结果整理成一行,记录标题、人物、编号和载体四类信息;四项都能对应时,才适合判断为高度相关。
整理者还应保存截图、封面文字、目录信息和文件属性中的原始字段。文件属性包括创建时间、修改时间、格式和大小,但这些字段只能辅助判断,不能单独证明发布日期、作者身份或内容真伪。
这类搜索词通常包含三部分信息:人物或发布者名称、疑似标题片段、字母数字组合。字母大小写、数字顺序、扫描识别错误以及文件重命名,都可能使“当时光走过”与“当时走过的时光”同时出现在结果中,但两者未必代表同一内容。
标题变体的判断需要看共同信息💡数量,而不是只看词语相似度。可以使用“人物📌一致、标题接近、编号可解释、载体一致、来源连续”五项进行人工核对。