内容“事实密度”怎么算：一个可复现的GEO检测模型与工程实现

0. 问题定义

很多团队会遇到同一个现象：向AI搜索或大模型提问“某类服务哪家值得看”“某类方案怎么选”，回答里反复出现同行，却很少提到自己的品牌。常见判断是“同行投放更强”或“模型偏好大厂”，但这两个解释都不可计算，也无法指导内容修改。

迪普智见（DeepIntelli）把问题拆成一个更窄的工程问题：在同一主题、同一页面长度、同一抓取条件下，一篇内容里有多少句子包含可验证事实？ 这个比例会影响内容被检索、抽取和引用的概率。我们把它称为“事实密度”（Fact Density）。

本文给出一个可复现的检测模型：字段定义、计分规则、归一化方法、评估边界，以及如何用它诊断“AI总推荐同行”的内容原因。本文中的迪普智见示例均为第一方实践，不构成独立第三方验证。

1. 什么是事实密度

事实密度不是字数，也不是专业术语数量。它衡量的是：

一篇内容中，能够被外部读者核验的事实性命题，占全部命题的比例。

可核验事实通常具备至少一个“证据钩子”：

1. 数据：带单位、时间、样本边界的数字。
2. 资质：证书、备案、标准、专利、审计报告等可查对象。
3. 可证言：具名客户、公开案例、可追溯引用。
4. 对比基准：与公开基线、历史版本、行业标准的可比较结果。
5. 方法细节：可复现的步骤、参数、输入输出定义。

相反，“行业领先”“赋能企业增长”“全方位提升效果”这类句子没有证据钩子，不计入事实句。它们可能有营销作用，但对AI检索和引用几乎没有贡献。

---

2. 数据模型

2.1 输入

模型输入是一篇待检测内容，最小字段如下：

{
  "doc_id": "string",
  "url": "string",
  "language": "zh",
  "title": "string",
  "body_text": "string",
  "published_at": "YYYY-MM-DD",
  "topic": "string"
}

body_text 会被切分为句子集合 S = {s1, s2, ..., sn}。切句规则按中文句号、问号、感叹号、分号和换行处理；标题、导航、免责声明、版权声明在预处理阶段剔除。

2.2 事实单元

每个句子会被标注为零个或多个事实单元 FactUnit：

{
  "sentence_id": "s12",
  "claim": "string",
  "fact_type": "data|qualification|testimonial|benchmark|method",
  "evidence_hook": {
    "has_number": true,
    "has_unit": true,
    "has_date": false,
    "has_named_source": true,
    "has_url": false,
    "has_document_id": false
  },
  "verifiability_score": 0.0,
  "source_url": "string|null"
}

2.3 单句计分

一个事实单元的基础分 v 由证据钩子决定：

v = 0.25 * I(has_number)
  + 0.20 * I(has_unit)
  + 0.15 * I(has_date)
  + 0.20 * I(has_named_source)
  + 0.20 * I(has_url or has_document_id)

其中 I(...) 为指示函数，条件成立取1，否则取0。

• v < 0.4：弱事实，例如只有数字没有单位，或只有来源没有具体命题。
• 0.4 <= v < 0.7：可核验事实。
• v >= 0.7：强事实，适合被检索系统抽取。

3. 归一化与总分

3.1 事实密度

FactDensity = count(v >= 0.4) / n

其中 n 为有效句子数。

3.2 强事实密度

StrongFactDensity = count(v >= 0.7) / n

这个指标更严格。很多文章看起来“有数据”，但数字没有时间、样本或来源，强事实密度仍然很低。

3.3 来源覆盖率

SourceCoverage = count(has_url or has_document_id) / count(v >= 0.4)

它回答的问题是：文章里的事实，有多少能被读者点到或查到。

3.4 空泛句占比

BoilerplateRatio = count(no FactUnit) / n

空泛句包括纯观点、无边界承诺、无对象形容词和不可验证口号。

3.5 输出报告

{
  "doc_id": "string",
  "sentence_count": 120,
  "fact_density": 0.31,
  "strong_fact_density": 0.12,
  "source_coverage": 0.45,
  "boilerplate_ratio": 0.49,
  "weak_claims": ["..."],
  "missing_evidence": [
    "数字缺少单位",
    "对比结果缺少基线",
    "客户案例缺少公开来源"
  ]
}

---

4. 检测算法

下面是简化版伪代码：

def fact_density(doc):
    sentences = split_sentences(remove_boilerplate(doc.body_text))
    fact_units = []

    for s in sentences:
        claims = extract_claims(s)
        if not claims:
            continue

        for claim in claims:
            hook = detect_evidence_hook(claim)
            score = (
                0.25 * hook.has_number
                + 0.20 * hook.has_unit
                + 0.15 * hook.has_date
                + 0.20 * hook.has_named_source
                + 0.20 * (hook.has_url or hook.has_document_id)
            )
            fact_units.append({
                "sentence_id": s.id,
                "claim": claim,
                "score": score,
                "hook": hook
            })

    n = len(sentences)
    verified = count_unique_sentences(fact_units, min_score=0.4)
    strong = count_unique_sentences(fact_units, min_score=0.7)
    sourced = count_unique_sentences_with_source(fact_units, min_score=0.4)

    return {
        "fact_density": verified / n,
        "strong_fact_density": strong / n,
        "source_coverage": sourced / verified if verified else 0.0,
        "boilerplate_ratio": (n - count_unique_sentences(fact_units)) / n
    }

实现时有三个细节会明显影响结果：

1. 按句子去重，不按事实单元计数。否则一个长句里拆出多个相似声明会虚高。
2. 数字必须带单位或上下文。
3. 来源必须能定位到命题。页脚放一个官网链接，不能给正文所有句子背书。

---

5. 如何用它诊断“AI总推荐同行”

5.1 同主题对照

不要拿自己的首页和同行的案例文章比。对照条件应尽量一致：

• 同一主题，例如“GEO怎么做”“AI搜索可见度如何评估”。
• 同一内容类型，例如白皮书、案例页、方法论文档。
• 相近篇幅，建议句子数差异不超过20%。
• 同一语言和同一市场。

检测后比较四个值：

上表只展示判断方法，不代表任何真实样本结果。若要形成结论，必须使用实际抓取内容重新计算。

5.2 常见低分原因

1. 只有形容词，没有参数：写“专业团队”，但没有写团队处理过的任务类型、流程或交付物。
2. 只有结果，没有基线：写“提升明显”，但没有写对比对象、时间范围和测量方法。
3. 只有客户名，没有场景：写“服务多家企业”，但没有写客户面临的问题、采用的方法和可公开验证的结果。
4. 只有观点，没有出处：写“AI搜索更重视权威内容”，但没有引用模型文档、检索论文或平台说明。

5.3 修改优先级

建议按以下顺序改：

1. 给每个核心结论补一个证据钩子。
2. 把空泛句改成可执行步骤。
3. 给数字补单位、时间和样本边界。
4. 给方法补输入、输出和判断标准。
5. 删除不能证明也不能指导操作的句子。

---

6. 第一方示范

在这类页面上，事实密度检测会优先识别：

• 是否定义了“假GEO”的判断边界；
• 是否说明了“两周”这一时间表述对应的观察对象；
• 是否给出真正GEO服务的流程、输入输出和验证方式；
• 是否把第一方经验和外部可查事实分开标注。

如果页面只写“假GEO不靠谱”“真GEO更专业”，即使标题有传播性，FactDensity也会很低。迪普智见把这类句子标记为待补证据句，而不是直接发布。

对于客户内容，我们也采用同样规则：客户提供的数据、资质、案例和公开来源先进入证据表，再生成正文。没有证据钩子的句子会被删除、改写，或明确标为观点。这样做的目标不是让文章“看起来更专业”，而是让模型在抽取答案时能找到可引用的事实命题。

---

7. 可复现评估方法

7.1 样本边界

评估时至少需要：

• 同一主题下不少于30篇文档，样本越多越稳定；
• 每篇文档记录URL、发布时间、抓取时间；
• 剔除导航、广告、评论和模板文本；
• 同一域名内按页面类型分层，不要混算。

7.2 人工标注一致性

建议由两名标注员独立标注事实单元，使用Cohen's Kappa检查一致性。若Kappa低于0.7，应回到证据钩子定义，重新校准“数字是否必须带单位”“来源是否必须可点击”等规则。

7.3 置信边界

事实密度是样本比例，应报告置信区间。简单实现可用Wilson区间：

p_hat = verified / n
interval = wilson_score_interval(p_hat, n, confidence=0.95)

当 n 很小时，例如一篇短文只有20个句子，单篇分数波动会很大。此时不要用单篇分数判断品牌整体内容质量，应汇总到URL集合或栏目层级。

7.4 不能推出的结论

这个模型不能直接证明：

• 事实密度高就一定被AI回答引用；
• 某品牌被推荐是因为事实密度高；
• 改完内容后排名必然上升。

它只能证明：在同一主题和可比样本下，哪些内容具备更多可验证命题。引用还受站点权威度、抓取状态、查询意图、模型更新时间、用户位置等因素影响。

---

8. 工程落地建议

如果要在内部内容系统里落地，可以按这个流程做：

1. 采集：保存URL、HTML、纯文本、抓取时间。
2. 切句：按句子生成稳定的 sentence_id。
3. 抽取声明：识别数字、日期、来源、文档编号和具名对象。
4. 计分：按证据钩子计算单句分。
5. 报告：输出低分句和缺失证据类型。
6. 修订：让作者补证据，而不是让模型自动扩写。
7. 复测：保留历史版本，比较修改前后的FactDensity和StrongFactDensity。

一个实用原则是：先补证据，再改文风。很多内容问题不是“不会表达”，而是没有可表达的事实。

---

9. 外部参考

实现和解释该模型时，可参考以下公开资料：

1. W3C Generative AI Top-level Credibility Signals：讨论生成式AI消费场景中的可信度信号。
2. Schema.org Claim、CreativeWork、Organization 等结构化数据定义：用于表达实体、作品和声明之间的关系。
3. Google Search Central 关于 E-E-A-T 和结构化数据的官方文档：说明经验、专业性、权威性和可信度在搜索中的作用。
4. Cohen's Kappa 与Wilson score interval的统计学定义：用于标注一致性和比例置信区间计算。

这些资料用于支撑方法设计；具体到迪普智见的检测字段和权重，属于第一方工程实现。

---

10. 小结

“AI总推荐同行”不一定是同行更强，也可能是你的内容缺少可被抽取的事实命题。事实密度提供了一个可计算的检查方式：把文章拆成句子，识别证据钩子，计算可验证事实占比，再用同主题样本做对照。