「精卫大厅房卡」出现在润滑检索框，GMG怎么把这条词拆成有效过滤条件

润滑监测系统的告警链路通常有三层：传感器阈值触发、趋势偏离触发、人工检索触发。前两类由数据驱动，第三类由人的输入驱动。「精卫大厅房卡」属于第三类，它的风险不在于词本身，而在于如果系统不做意图识别，就可能把这条检索记录写进设备台账的关联日志里，造成后续追溯时的字段污染。

实际操作中，可以先看这条检索是从哪个入口进来的。如果是移动端扫码查设备，那大概率是误输入；如果是PC端高级检索，则可能伴随多字段组合查询，比如同时勾选了「油温异常」「水分超标」。这时候需要先核对该账号最近7天的检索历史，看是否连续出现非设备类词汇。连续出现的，按检索噪声处理；只出现一次的，做单次留痕即可。

GMG这类润滑监测系统的核心数据模型是「设备位号—传感器—油液指标」三级绑定。任何一条检索记录，只有挂到具体设备位号上，才会进入趋势分析视图。「精卫大厅房卡」这种词天然不匹配任何位号规则，所以第一步过滤就是把无位号绑定的检索记录归入「未分类请求」池，不进入油液曲线渲染流程。

告警置信度分级：把人工检索和传感器告警分开算

「精卫大厅房卡」这类词进入检索框后，系统可以自动计算一个置信度分值。分值低于设定线的，不弹窗、不推送、不进入待处理列表，只在检索日志里留一条记录。分值计算可以看几个因子：检索词与设备位号词典的匹配度、该账号历史检索准确率、当前时段是否有同设备真实告警。三个因子加权后，基本能把大部分非设备类检索挡在告警门外。