feat(classify): gate loose re token, non-linear negatives, drop 纯享/转场
reaction 词表用 re|reaction|反应 但须与咻咻满或充电同现,兼容 reactio/reation 等拼写又避免通用词加分;负向改为每词 -2 且命中多条额外叠加(k*(k-1)),日期 -4;纯享(误伤纯享受)移出负向,转场移出正向。库内 796 条有效视频复测:线以下由 14 降至 8。
This commit is contained in:
1 parent
337e379514
commit
aa9aa7c589
8 files changed
+89
-52
No files matched your search
+15
-13
@@ -261,17 +261,18 @@ title 含 "咻咻满"(全半角/大小写归一化后),否则直接 0 分
|
||||
up_mid 命中黑名单 → 直接排除(永不通知,连候选池都不进)
|
||||
|
||||
# 正向命中次数 n(每个命中记 1)
|
||||
n = 1 # 标题含 "咻咻满"
|
||||
+ count(reaction|反应)
|
||||
+ count(加急|特急|充电|专场|转场)
|
||||
n = 1 # 标题含 "咻咻满"
|
||||
+ 1 # 命中 reaction 类(re|reaction|反应;须与"咻咻满"或"充电"同现)
|
||||
+ count(加急|特急|充电|专场)
|
||||
+ count(双人|路人|第一次|首次)
|
||||
|
||||
score = n * n # 超线性:1→1、2→4、3→9、4→16(1+1>2、1+1+1>5)
|
||||
+ 2 # 时长 > 60 分钟(与下一条不叠加,取大)
|
||||
+ 1 # 时长 > 30 分钟
|
||||
- 6 # 标题含 歌切|切片|纯享|搬运|完整版|录播|录像
|
||||
- 6 # 标题带日期(2026-10-28 / 2026/10/25 / 2026.10.26 / 2024年11月24日 / 10月25日)
|
||||
- 3 # UP 为 咻咻满本人(mid=37754047)
|
||||
score = n * n # 超线性:1→1、2→4、3→9、4→16(1+1>2、1+1+1>5)
|
||||
+ 2 # 时长 > 60 分钟(与下一条不叠加,取大)
|
||||
+ 1 # 时长 > 30 分钟
|
||||
- 2 * k # 每个负向词:歌切|切片|搬运|完整版|录播|录像
|
||||
- k*(k-1) # 同时命中 2 个额外 -2、3 个额外 -6、4 个额外 -12
|
||||
- 4 # 标题带日期(2026-10-28 / 2026/10/25 / 2026.10.26 / 2024年11月24日 / 10月25日)
|
||||
- 3 # UP 为 咻咻满本人(mid=37754047)
|
||||
|
||||
通知阈值 = 4
|
||||
0 <= score < 4 且含"咻咻满" → 进看板"候选池"(7 天后删除),不通知
|
||||
@@ -280,10 +281,11 @@ score < 0 → 丢弃
|
||||
|
||||
**几条设计依据**:
|
||||
|
||||
- **强正向必须"咻咻满 + reaction"同现**:B 站搜索会命中标题根本不含关键词的结果(简介/标签/相似内容),所以"标题含 reaction"本身不足以判定为高置信,必须与 `require_title` 同时成立;
|
||||
- **正向按命中次数超线性加权(n²)**:多个正向词同现(如"咻咻满 + reaction + 充电")时不能简单线性和,否则一个负向词(-6)就能把多信号真 reaction 打到线下;`1+1>2`、`1+1+1>5` 用平方实现;
|
||||
- **"听/看"等宽泛词已移除**:几乎所有 reaction 标题都含,无区分度;
|
||||
- **时长只在已命中 reaction/charge 时加权**:避免"完整录播/直播录像"这类既无 reaction 也无 charge 的长视频仅靠时长进池;
|
||||
- **reaction 类用宽松 `re` 但须同现**:`re|reaction|反应` 必须与"咻咻满"或"充电"同时出现才计命中——既避免通用词(任意含 "re" 的拉丁串)加分,又能兼容 `reactio`/`reation`/`recation` 等拼写;
|
||||
- **正向按命中次数超线性加权(n²)**:多个正向词同现(如"咻咻满 + reaction + 充电")时不能简单线性和,否则一个负向词就能把多信号真 reaction 打到线下;`1+1>2`、`1+1+1>5` 用平方实现;
|
||||
- **负向也非线性**:每个负向词 -2,命中 2 个额外 -2、3 个额外 -6(`k*(k-1)`),带日期再 -4;单一负向词不再一票否决多信号 reaction;
|
||||
- **"听/看"等宽泛词已移除**;`纯享`(会误伤"纯享受")已从负向移除,`转场`("专场"错别字)已从正向移除;
|
||||
- **时长只在已命中正向词时加权**:避免"完整录播/直播录像"这类既无 reaction 也无 charge 的长视频仅靠时长进池;
|
||||
- **带日期的标题按强负向处理**:`2026-10-28`、`10月25日` 这类通常对应某场直播的录播/回放/录像/自用收藏;实测对真 reaction 标题零误伤,代价是极少数"真 reaction 恰好写日期"会被漏掉;
|
||||
- **`录播`/`录像` 计负向**:`完整版` 覆盖不到 `完整录播`;`录像` 覆盖 `直播录像`。裸 `回放` 不列入,因为 `【回放/咻咻满reaction】` 之类确为 reaction;
|
||||
- 时长直接取**搜索结果自带的 `duration` 字段**(格式是 `分钟:秒`,超过 60 分钟写作 `105:5`),**不需要额外请求**;
|
||||
|
||||
Reference in new issue
Block a user