关键词挖掘方法，相同事实反复出现时如何减少冗余
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /97b5355931c6.html
📄
关键词挖掘方法，相同事实反复出现时如何减少冗余
减少冗余的关键不是把重复事实改写成不同措辞，而是决定它在整站中只保留一个“主副本”，其余位置只保留指向它的上下文入口。旧内容退出时，先判断这段事实是“可独立成立的知识”还是“只服务于某篇文章的论据”，再决定保留、合并还是删除。
同一个事实被反复写，通常有两种完全不同的原因
第一种解释是选题边界重叠：多篇文章其实在回答同一个问题，只是标题角度略有差异，于是同一事实被当作各自的核心论据重复写入。第二种解释是论证依赖：某些事实是多个结论共同需要的前提，比如一个定义、一个限制条件、一个判断标准，任何一篇删掉它都会让论证断裂。
这两种原因的处置方向相反。前者应当合并或让部分文章退出；后者应当保留事实本身，但把它集中到一个稳定位置，其他文章只做简短引用。把两种情况混在一起处理，就会出现“删了又补、补了又重复”的返工。
用三个可观察的证据区分是哪种情况
不要凭感觉判断，可以看下面三类证据：
- 替换测试：把某篇文章里的这段事实换成一个指向主副本的短句，文章结论是否仍然成立。成立，说明它是可外置的依赖；不成立，说明它承担了核心论证，不能简单删。
- 入口来源：读者是通过哪篇文章第一次接触这个事实。如果多篇文章都在承担“首次解释”的角色，就是选题重叠；如果只有一篇承担解释、其余只是顺带提及，就是依赖关系。
- 退出成本：假设这篇文章明天不再更新，这段事实是否还有别处能完整说明。没有，就必须保留一个主副本；有，就可以让当前这篇退出。
这三类证据里，替换测试最容易被忽略，也最能避免误删。它检验的是事实在论证中的位置，而不是它在页面上出现了几次。
先建主副本，再处理旧内容的退出
一个可执行的动作是：为每类反复出现的事实指定一个主副本页面，并在内部记录中标注“该事实的解释权在此”。其他文章提到它时，只保留一句必要的上下文，不再展开定义、条件或推导过程。
这个动作会直接影响下一步：当某篇旧文章需要退出时，先检查它是否承载了唯一的主副本。如果是，先把主副本迁移到仍然保留的页面，再让旧文章下线；如果不是，直接退出即可，不必逐段搬运。这样做的结果是，退出决策从“逐句判断”变成“按事实归属判断”，返工量明显下降。
假设一个场景：三篇旧文都解释了同一个判断标准。按主副本处理后，只保留其中论证最完整的一篇作为解释位置，另外两篇改为一句引用。此时若其中一篇因合作关系结束需要下架，直接删除不会造成事实缺失，因为解释权已经不在它身上。
保留仍然有价值的部分，不等于保留原来的段落
旧内容退出时，有价值的部分往往不是整段文字，而是它承载的限定条件和反例。限定条件说明事实在什么前提下成立，反例说明它何时不成立。这两类信息通常只出现在最早写它的文章里，删掉后其他文章会显得过于绝对。
因此，处理冗余时优先迁移限定条件和反例，而不是迁移结论本身。结论通常已经在主副本里，限定条件却容易在合并中丢失。迁移完成后，再回看那些只保留引用的文章，确认它们的论证没有因为缺少前提而变得不可靠。
需要说明的是，同一事实出现次数减少，并不能单独证明处理正确。它也可能只是文章被删了、入口变了或读者路径改变了。判断依据应当是：主副本是否仍然可被找到，依赖它的结论是否仍然成立，以及退出旧内容后是否出现无法解释的断点。
