知识文章 · 编写日期 2026-11-04
99热:资料标签重合度怎样算
先把每份资料的标签当作不重复的集合,再用两集合共有标签数除以全部不同标签数,就得到Jaccard重合度。这个数只描述所选标签的重合程度,不能证明两份资料同源、内容真实或服务可靠。
本文延续99热的中性搜索辨识与资料笔记方向,不提供成人资源。甲、乙两张记录卡与标签都是原创教学数据,不是采集结果、搜索热度或真实页面评价。
先决定比较的单位
假设甲卡标签为{入口,声明,版本},乙卡为{声明,版本,费用}。每个完整标签算一项,“版本”不是拆成“版”和“本”;两卡都使用同一套标签写法,才能直接做集合比较。
如果甲卡误写两次“声明”,集合里仍只计一次。大小写、同义词或空格要不要统一,是预处理规则,应事先说明;不能在看到得分后临时合并词语,让结果看起来更相似。
一步一步得到0.5
共有标签(交集)为{声明,版本},数量2。全部不同标签(并集)为{入口,声明,版本,费用},数量4。因此J=2/4=0.5。分母不是两张卡条数简单相加得到的6,因为共有项在并集里只计一次。
等价地,并集数为3+3−2=4;减去2是纠正重复计算。图用三段表示甲独有、共同、乙独有,与分子分母一一对应。J从0到1变化,非空集合完全相同为1,互无共有项为0。
重合度不等于事实一致程度
两卡可能都贴“版本”,却记载不同版本号;也可能都贴“声明”,但一张支持、一张反驳某种声明。标签集合把这些细节压缩掉,得到0.5并不表示正文有一半相同,更不表示一半真实。
在99热相关检索笔记里,这个数可以帮助挑选值得并排阅读的候选。真正比较同源关系、发布时间或运营身份,仍须回到具体字段与证据。不要把计算结果包装成安全评分、排名或平台背书。
零标签与不同粒度怎样处理
两集合都为空时,公式分子分母均为0,不能按普通除法计算。某些程序会另定约定值,本页选择记“无标签,无法比较”,并保留这一规则。只有一边为空、另一边非空时,交集0而并集非0,结果为0。
还要避免一张卡用“隐私”,另一张卡却分为“通知权限”“本地记录”“数据保存”这样的不同粒度。即使讨论相近主题,标签差异也可能导致低分。先统一标注规则,再把分数当作阅读辅助。
动手核对
- 保留原标签,写明去重与规范化规则。
- 列出交集和并集,不只给一个分数。
- 检查空集合、不同标注粒度和缺失标签。
- 根据结果挑候选,再实际阅读正文确认差异。
常见问题
同一标签写三次会提高得分吗?
按集合计算不会;每个不同标签只计一次。
重合度1能证明两个站是同一运营方吗?
不能。它最多表示所选标签集合相同,运营关系需要独立证据。
两张空白卡能算完全相同吗?
公式在0/0处无定义。本页记录无法比较;若软件采用其他约定,需明确说明。
依据与延伸阅读
- Stanford IR Book:k-gram indexes for spelling correction(官方资料,核验日期 2026-11-04)
支持Jaccard为交集大小除以并集大小的定义;本页标签卡为原创,不复用其拼写校正案例。