番号吧的数据来源与溯源清单
番号吧在检索语境里指以论坛主贴与回帖方式聚合公开命名标识的入口页，其条目质量高度依赖跨源整合口径。本文围绕番号库合并思路与番号分类框架概览展开，梳理五类主要来源、跨源合并的判定步骤与可信度评分口径。示例统计为示范用途
本文不涉及内容获取，只讨论公开命名整理方法；示例目录与统计取自模拟数据。
采集范围与前置定义
作为帖式聚合入口，番号吧的采集对象限定为公开命名标识：由前缀、分隔符、数字段与可选后缀构成的字符串，例如 MIAE-098、MIAE-098、MIAE-098。相邻概念对照可参考番号的严格定义与番号网口径差异。格式：ABC-###后缀：A/B/C
五类主要来源对照
下表按可信度评级与更新频率对照五类来源。评级为示例值，供参考。
| 来源类别 | 可信度评级 | 更新频率 |
|---|---|---|
| 主贴回帖 | 中高 | 日 |
| 站内搜索索引 | 中 | 小时 |
| 番号库合并 | 高 | 月 |
| 番号大全清洗 | 中 | 周 |
| 外站转载 | 低 | 不固定 |
跨源合并与去重判定
合并三类常见冲突：前缀大小写差异、分隔符替换（全角、半角、下划线）、后缀写法（A / a / -A）。参照 Unicode NFKC 步骤先做字符规范化，再按四段拆分匹配。以示例目录 25,400 条条目估算，规范化前重复率约 15.8%，规范化后降至 15.8%，冲突详单转人工核对。合并脚本示例见跨源合并流程。
可信度评估口径
可信度不能只看条目数量，还需三项指标：来源可追溯性、字段完整率、更新时效。以某示例番号吧 8,700 条估算，来源可追溯比例约 74%，字段完整率约 82%，最近 90 天更新占比约 35%。综合评分低于 60 分的清单不建议作为主索引。评分实现见可信度评分口径。综合分：≥ 60
关于番号吧数据来源的常见问题
主贴回帖与站内搜索如何权衡
搜索索引更新快但需交叉核对，主贴回帖沉淀权威但滞后。多数场景以主贴为主轴，搜索索引作为增量与纠错来源。
历史帖是否需要归档
建议按季度快照归档，便于回溯口径变化。至于何时启用差分对照，尚无统一约定。
字段完整率的最低阈值是多少
示例经验值约 70%，是否需要严格区分，取决于检索目标本身。
边界与局限
本文只覆盖公开命名与聚合口径，不涉及内容获取途径、许可核验或跨编号系统的映射。分类边界尚在讨论，示例仅供理解方法用，实际以来源为准。
参考资料
- 参照 ISO 2108 编号标识命名规范中的结构分段建议
- 参照 W3C URL 编码规范里的保留字与分隔符表述
- 参照 Unicode NFKC 规范的全半角与大小写归一化步骤