標籤品質處理

上游格式不正確的標籤會逐一略過，不會中斷整批同步；其餘正常的標籤照常納入共同關鍵字。

已略過的壞標籤

1 個

經正規化後保留

15 個

正規化規則

上游指定規則（boundary-whitespace-format-skip-invalid-v2）

不參與比對的詞

430 個

格式正常但不適合當話題的詞（單一字元、純數字或日期、雜訊與沿用來源排除清單的詞）仍保留在快照中，只是不參與比對；與上面的壞標籤分開計算。

• 沿用來源排除清單 160 個
• 常見雜訊詞 117 個
• 純數字 116 個
• 單一字元 19 個
• 純日期 17 個
• 其他排除規則（punctuation-only） 1 個

來源詞庫完整保留；只用活躍比對集建立索引

為控制比對所需記憶體，只有非雜訊、長度至少 2 字，且來源文章數至少 3 篇或最近 180 天內曾發文的詞，才符合活躍比對門檻； 符合門檻的詞在詞數與記憶體估算上限內建立索引。其餘的詞仍保留在詞庫中可查，只是本次暫不參與比對。

來源詞庫

26,186 個

活躍／符合門檻

25,616 個／25,616 個

詞數上限

50,000 個

記憶體估算／預算

84.2 MiB／96 MiB

時間基準

2026/10/31 07:22

低頻或超出容量而暫停比對的詞不等於雜訊，與上方「不參與比對的詞」分開計算。

高頻詞只計標題命中

以基準期間內已收錄且可公開的文章為分母、標題或正文命中的篇數為分子；占比超過 2% 的詞，排行與升溫倍率只計標題命中，正文命中仍留在頻率統計。這些詞沒有從來源詞庫刪除。

基準期間

2025/10/31 08:03 至 2026/10/31 08:03

已完成比對／基準文章

50,153 篇／54,179 篇

尚有文章未依目前版本完成比對，命中篇數為已觀測到的下限，不代表已涵蓋完整全文。

詞庫更新與補比對

目前窗口以每 15 分鐘更新為目標，同步失敗或超出處理預算時可能延後。新詞會優先補比對近 48 小時的文章；較早的文章不代表已全面重新比對。完整快照與 changes 增量同步尚未啟用，詞庫仍是部分觀測窗口。