暂无搜索历史
提及率、引用率、被引页面数,三张报表各写一段 SQL,早晚会算出三个答案。我把分子、分母与口径版本先固化成一张视图,报表只读它。
同一条被引页面在库里躺成三行,读数就没法向人解释。我先在采集端做归一化,把六类写法收敛成一个键,再用九条用例把这件事钉住。
我先定的是字段和去重键,不是框架。字段少一个,样本解释不了;键写错,重发就盖掉上一轮。
选监测工具,先别比界面和报表模板,先比一件事:数据能不能被完整带出系统。采集、存储、复算三段的接口定下来,换哪家都只是换实现。
监测这件事要能复算,一条记录得同时说清四件事:测的是哪个位置、抽了几条样本、样本取自哪一天、失败样本怎么记。少一件,下一轮就对不上,这是判据的第一条。
搜索词表按词统计,问法集按句采集,中间要做一次映射。我把这件事拆成六条映射规则、三级去重判据和一张七列字段表,每一条都能机器校验,示例数字均为假设。
这里说的「问法集 schema」,指的是采集时逐字保存的那批字段的集合。字段一改,历史记录的解释口径就变了,所以每次改动都要能回滚。
答案前置指的是把可独立成立的结论句放在正文开头一段,让摘取系统在开篇就拿到能直接回答问题的句子。我把它写成一份首段契约:四个字段、五条判定、一段可跑脚本。
本文说的「答案前置」,指的是把一段材料的结论句放在最前面,让检索与摘取系统在第一屏就能拿到可直接回答问题的句子。它跟「写得直白」不是一回事:直白是风格,前置是结...
本文说的「同名消歧」,指的是同一个字号出现在多个城市、多个信息平台上时,判断哪一条记录是本地真正要认的主体,并把它定为主档。它跟「去重」不是一回事:去重是同一个...
本文说的「问法集版本」,指的是给整套监测问法一个可追溯的编号,任何一次改动都能定位到「改了哪条、影响哪些批次、重跑之后数字怎么变」。它跟「改个文案」是两件事:问...
本文说的「去重归一」,指的是把同一页面的不同 URL 写法映射到同一个实体键,让跨平台统计时一条页面只算一次。它跟「字符串去重」是两件事:后者按原样比对,前者要...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市