# 案例：契合度阈值 0.7 到底拦住了什么

> 这是白鲸台里最容易被误解的一个数字。它不是「推荐像不像」，而是**「够不够格去打扰你」**的门槛。
> 下面全部是实测数据，不是估算。

## fitScore 怎么算

```
五路材料，各自可信度不同：
  标题       权重 2      （最直接）
  简介       权重 1
  字幕       权重 1.5    （视频本人说了什么）
  画面描述   权重 1      （抽帧给多模态模型的描述）
  弹幕       权重 0.6    （只是观众反应，最弱）

raw   = Σ  min(画像词权重, 12) × min(1, 来源权重/2)
score = 1 − e^(−raw/6)          ← sigmoid，压到 0–1
```

匹配用**包含式**，不用分词。这一条是踩出来的：

> 第一版拿 `tokenize()` 的结果去比，它把「原神新角色PV」整串切成一个词，
> 跟画像里的「原神」永远对不上 → **所有条目得分 0.00**，看起来像「模型判断全都不相关」，
> 实际是匹配写错了。

## 实测分布（`mentionThreshold` 默认 0.7）

| 内容来源 | fitScore | 过 0.7？ |
| --- | --- | --- |
| 标题命中画像词 | 0.81 | ✓ |
| 字幕命中 | 0.71 | ✓ |
| 只有画面描述命中 | 0.57 | ✗ |
| 只有弹幕命中 | 0.39 | ✗ |
| 完全无关 | 0.00 | ✗ |

结论：**0.7 等价于「标题或字幕里必须出现画像词」。**

## 把阈值降到 0.5 会发生什么

会开始放进「只有画面命中」的条目（0.57）。这类最危险：

- 弹幕出现「原神」不代表这视频讲原神，可能只是有人刷梗；
- 画面像美食但内容在讲历史，抽帧描述会出现误命中。

所以 0.5 → 0.7 之间，多出来的不是「更多推荐」，是**更多误打扰**。
宁可这次不 @，也不要 @ 一条你不关心的。

## 为什么阈值和概率是两个开关

- `mentionThreshold`（默认 0.7）：**够不够格**。不够格连骰子都不掷。
- `mentionChance`（默认 0.5）：够格之后**这次要不要真的打扰你**。

两个都留着，是因为「全部命中的都 @」会烦人，「全部不 @」等于没这功能。
分开调之后，可以做到「够格的 100% 记录、50% 提醒」。

## 怎么自己验证

1. 「学习」页填几个手动话题（权重最高，每个 +6），或粘两条你喜欢的 BV 号；
2. 跑一轮，「记录」页能看到每条视频的取材来源；
3. 把 `mentionThreshold` 调到 0.9，跑几轮，观察日志里「这次不打扰主人」的频率；
4. 再调到 0.5 对比。差异就是这篇文档里那张表。

代码：`index.js` 的 `fitScore()` / `mentionThreshold`（MIT，随便改）。