减法检索：用排除词清掉噪声结果

噪声的来源

噪声不是随机来的，它跟着固定的词组走。

排除词的盘点

编辑盘点排除词的方法是回看旧登记表：把历次宽轮结果里被打叉的条目汇总，统计它们标题里反复出现的词。出现 5 次以上、且每次伴随的页面性质都一致地差，这类词才列入候选。候选词再过 1 道人工确认：这个词有没有可能出现在正经页面标题里？有可能的，降级为观察词，只作初筛提醒，不进排除式；确认不会的，进正式排除名单。名单目前保持在十几个词的量级，宁缺毋滥，因为每多排 1 个词，就可能多误伤一批页面，误伤是看不见的损失，被排掉的页面不会跳出来喊冤，只能靠编辑定期抽查排除结果来发现，这也是名单要定期复核的原因。

排除式的使用

排除词一次挂 2 到 3 个，不要一口气全挂上。

理由记在规程里：全挂上之后结果确实干净，但若发现误伤，无从判断是哪个词闯的祸。分批挂法是先挂性质最明确的 2 个，看结果构成，再决定要不要加第 3 个，每加 1 个，登记表记一笔结果数和可用率的变化。用率这个词档案里有定义：1 页结果中通过初筛的比例。排除前后各算 1 次，数字对比摆在表上，减法到底有没有效，不靠感觉靠这个比例说话。多数情况下挂对 2 个词，可用率就有可见的变化，再往后边际收益递减，编辑一般就收手。

名单的复核

每半年，排除名单整表复核 1 次。

复核做 2 件事。一是抽查被排除的结果，随机抽 10 条看，是不是真的都该排，有误伤就修订名单。二是看观察词的动向，观察词若在半年内伴随差页面的次数持续上升，升入正式名单；正式名单里的词若伴随的页面性质开始变杂，降回观察。名单因此是活的，跟着页面生态走，而不是一份写死在墙上的告示。

本条小结卡

入选门槛：伴随差页面 5 次以上。每轮挂词：2 到 3 个。复核周期：半年 1 次。

补记：排除过头的自救

排除词挂多了，结果会干净得反常，那是警报。

编辑的经验值是：一轮检索的结果数若被排除砍掉七成以上，先别高兴，停下来抽查被砍掉的部分。抽查法很简单，把排除式逐个摘掉重跑，每摘 1 个看结果里多回来什么，多回来的若全是噪声，说明这个词挂对了；若多回来正经页面，说明这个词已经变质，伴随的页面性质在变，当场把它降回观察名单。自救的关键是动作要快，排除过度持续得越久，漏掉的好页面越多，而漏掉这件事在结果页上没有任何提示，只能靠人主动回头看。每轮检索的登记表因此多 1 栏：排除前后结果数。这一栏的数字若出现陡降，填表人有义务在备注里写明原因，写不出原因的陡降，下轮检索前必须先复核名单，不许带着隐患继续搜。

附记：排除词的来历标注

名单上每个词后面，都缀着它入选时的登记表编号。

凭编号能翻回当初那批差页面，看清这个词是跟着哪类页面进来的。来历不清的词，年底复核时优先请出名单。这一条让名单始终可审计：每个词都说得出自己为什么在这里，而不是靠某位编辑的一句我记得它有用。翻编号时若发现当初的登记表已经归档装订，就在名单备注里写上册号和页次，省得下一个人再为同一个词把整年的登记表重翻一遍，来历链要一环扣一环才算完整。