万科网络科技

一、 基础维度：机器可读性与解析完整性评估

1. 核心字段提取准确率
   • 定义：结构化后正确提取的字段数量，占网页中应提取核心字段总数量的比例。
   • 计算方式：$\text{准确率}=\frac{\text{正确提取的字段数}}{\text{应提取的核心字段总数}}\times 100\%$
   • 核心字段示例：标题、发布时间、作者、商品价格、品牌、正文关键段落等。
   • 验证方式：随机抽取一定数量的网页样本（建议不少于 50 个），人工标注应提取的字段，再与结构化工具输出的结果对比，计算准确率。一般要求核心字段准确率不低于 90%，关键业务字段（如商品价格）需达到 95% 以上。
2. 噪声过滤率
   • 定义：结构化过程中成功过滤的冗余内容（广告、导航、侧边栏、重复文本）占网页总冗余内容的比例。
   • 计算方式：$\text{噪声过滤率}=\frac{\text{正确过滤的噪声内容量}}{\text{网页总噪声内容量}}\times 100\%$
   • 验证方式：对比结构化前后的文本内容，人工判定过滤掉的内容是否为噪声，同时检查是否存在 “误过滤核心内容” 的情况 —— 误过滤率需控制在 5% 以内。
3. 解析成功率
   • 定义：能成功完成结构化处理的网页数量，占待处理网页总数量的比例。
   • 适用场景：针对批量网页结构化任务（如爬虫采集、内容聚合）。
   • 计算方式：$\text{解析成功率}=\frac{\text{成功结构化的网页数}}{\text{待处理网页总数}}\times 100\%$
   • 评估重点：关注异构网页（不同布局、不同技术栈的网页）的解析成功率，若某类网页解析成功率低于 60%，说明结构化方案对该类网页的适配性不足。

二、 核心维度：数据准确性与语义一致性评估

1. 实体识别与关系抽取精准度
   • 实体识别 F1 值：兼顾准确率和召回率，是评估实体识别效果的核心指标（尤其适用于模糊语义场景）。
     • 计算方式：$\text{F1值}=\frac{2\times \text{准确率}\times \text{召回率}}{\text{准确率}+\text{召回率}}$
     • 示例：从新闻网页中识别 “人物、事件、时间” 三类实体，F1 值需达到 85% 以上才算合格。
   • 关系抽取准确率：判断提取的 “实体 - 关系 - 实体” 三元组是否符合真实语义。
     • 示例：若网页描述 “XX 手机售价 2999 元”，结构化结果应为 “XX 手机 - 价格 - 2999 元”，若错误标注为 “XX 手机 - 产地 - 2999 元”，则判定为关系抽取错误。
2. 数据格式标准化程度
   • 评估内容：结构化输出的数据是否符合预设的格式规范，包括字段命名统一、数据类型正确、单位一致。
   • 验证示例：
     • 时间字段是否统一为 “YYYY-MM-DD” 格式，而非混杂 “2025.12.27”“12 月 27 日 2025 年” 等多种写法；
     • 价格字段是否统一保留两位小数，且带有明确货币单位（如 “¥2999.00”）。
   • 评估方法：统计格式不规范的字段占比，标准化率需达到 98% 以上。

三、 业务维度：价值转化与应用效果评估

1. SEO 效果提升指标
   • 富摘要展示率：添加结构化标记后，网页在搜索结果中显示富摘要的比例。展示率越高，说明结构化标记被搜索引擎识别的效果越好。
   • 搜索点击率（CTR）：对比结构化前后网页的搜索点击率，若 CTR 提升 10% 以上，说明富摘要等结构化展现形式有效吸引了用户点击。
   • 关键词排名变化：监测核心关键词和长尾关键词的排名波动，若结构化后排名上升，说明网页的语义相关性被搜索引擎认可。
2. 业务效率提升指标
   • 人工成本节约率：适用于电商商品采集、资讯聚合等场景，对比结构化前后人工处理相同数量网页的耗时。
     • 计算方式：$\text{成本节约率}=\frac{\text{人工处理耗时}-\text{结构化处理耗时}}{\text{人工处理耗时}}\times 100\%$
   • 数据更新时效性：批量网页结构化的处理耗时，是否满足业务的实时性需求（如电商价格监控需小时级更新，资讯聚合需分钟级更新）。
3. 用户体验相关指标
   • 页面跳出率：对比结构化优化前后（如优化语义标签、提升内容精准度）的网页跳出率，跳出率下降说明用户获取信息的效率提升。
   • 用户停留时长：若结构化后网页的核心信息更清晰，用户停留时长通常会显著增加。

四、 评估流程与注意事项

1. 标准评估流程
   1. 确定评估目标和核心指标（如 SEO 优化侧重富摘要展示率、CTR；数据采集侧重提取准确率、解析成功率）；
   2. 选取代表性网页样本（覆盖不同布局、不同行业的网页）；
   3. 人工标注基准数据，与结构化结果对比，计算定量指标；
   4. 结合业务场景验证应用效果（如 SEO 排名、人工成本节约）；
   5. 针对指标不达标的环节优化结构化方案（如调整规则、优化模型训练数据）。
2. 注意事项
   • 样本选取要具有代表性，避免只选取结构简单的网页；
   • 定量指标和定性验证相结合，避免单一依赖数据指标忽略实际业务价值；
   • 定期复评，因为网页布局可能随时间变化，需要及时调整结构化策略。