2,226原始评论
→
859银标池
→
427训练行
∥
47外部测试
语料来源：小红书 1,676 条 + 懂车帝 550 条（去重合并）。427 行对应约 247 条有效评论（by_comment 口径）：评论数相对固定，序列行数随实体跨度波动——这是 BIO 任务下的正常现象，而非数据丢失。
先看清「量从哪来、为何变少」；再理解「427 不是平铺一锅，而是入库后仍按密度再分层」。
2,226 → 859 → 427
金标 / 准金标 / 银标
427 内部再分层
47 条外部测试
语料来源：小红书 1,676 条 + 懂车帝 550 条（去重合并）。427 行对应约 247 条有效评论（by_comment 口径）：评论数相对固定，序列行数随实体跨度波动——这是 BIO 任务下的正常现象，而非数据丢失。
在合并去重后的双平台语料上，结合大模型辅助初标与规则过滤，剔除无实体、无有效评价的低信息样本，保留可用于方面实体与情感边界学习的评论。阶段产出为 859 条银标池（Silver Pool），后续所有训练与测试样本均由此母池派生，并保留 JSON/CSV 级日志以便复核。
在银标池内按实体密度、模型置信度与人工复审结果选样，形成 427 行训练数据，而非对 859 条全量直接训练。BIO 任务中，单条错误标注即可干扰边界学习；因此采用「高质量子集 + 多样性补充」的组合策略。
| 层级 | 行数 | 选样标准（摘要） |
|---|---|---|
| 金标 Gold | 204 | 实体密度 ≥30% 或经人工确认；含 V4 遗留与第三轮复审新增 |
| 准金标 Quasi-Gold | 132 | 置信度严格落在 0.7–0.9，用于边界与难例覆盖 |
| 银标 Silver | 91 | 一般特征样本，抑制金标过拟合、保留跨平台多样性 |
| 合计 | 427 | 约 247 条评论（by_comment）；论文与评估口径一致 |
427 行是主训练口径，并非训练时「一锅平铺」的全部策略。手工记录与实验设计均表明：入库后仍按密度 / 置信度做结构化安排，目的是避免低密度样本在采样与损失权重上稀释高信息样本——这与「评论数固定、行数波动」的 by_comment 组织方式一致。
| 内部分层 | 行数 | 作用（摘要） |
|---|---|---|
| 密度 ≥ 30% | 109 | 高实体覆盖，支撑核心方面与边界学习 |
| 密度 ≥ 18% | 39 | 中等密度，衔接高低密度梯度 |
| 低密度样本 | 97 | 受控纳入，避免训练分布过于「稀疏」 |
| 准金标（密度视角） | 163 | 与置信度筛选交叉，覆盖难例与边界 |
| 银标（密度视角） | 92 | 多样性补充，与 Stage 2 银标口径呼应 |
注：上表为训练策略视角的分层统计，与 Stage 2 金/准金/银的来源层级互为补充；二者共同描述「先选进来，再怎么用」，而非重复计数同一概念。
从未参与训练的剩余母池中，按长度（30–60 字）、非纯 O 实体、对比转折词等规则筛选候选，再经人工裁决锁定 47 条 外部测试样本，用于评估泛化而非调参。
经漏斗得到的 V6 精编集共 550 行，按 7:2:1 划分为训练、验证与内部测试。该 550 与懂车帝原始 550 条数值相同，但来源为双平台混合精炼结果，二者不可混谈。
Andrew Ng 等强调的 Data-Centric 范式，核心是把迭代重心放在数据质量、标注一致性与错误分析，而非一味扩大参数量。本研究的漏斗与密度分层，属于该范式在 ABSA 场景下的具体化。
OpenAI、Google、Anthropic 等在指令微调与对齐阶段，均公开强调小规模、高质、经人工与自动过滤策展的数据集；并非简单堆叠原始语料。本研究在领域评论上的 427 行训练集 + 严格外部测试，与这一思路同构，规模受任务与标注成本约束，而非偷懒删数。
独立测试 Span-F1 0.6705、营销标签准确度 0.68，均建立在上述管线之上。业务向的品牌对比与策略发现，见研究页「业务发现」一节。