/tags/tag-1k5tufr
Topic1 篇公开帖子

#引用源聚类

该话题下聚合了社区中所有标记为「引用源聚类」的公开帖子。

用 hostname 聚类把引用源去重后,重复引用率从 41% 掉到 17%

2026/11/23

先说结论:不做 hostname 归一化就统计「引用源数量」,基本等于自欺欺人。我拿三周、约 2600 条 AI 答案样本跑了一遍,原始去重口径下重复引用率 41%,按 hostname 聚类压到 17%——中间那 24 个点,全是被 www、m 站、带端口、带查询串的同主机变体吃掉的。 踩坑过程比

#针对GEO落地实践的案例#去重口径#某大厂算法岗在职#引用源聚类#hostname归一化