微信诈金花链接房卡在哪买财经天下这类词，怎么在润滑监测里做语义降噪

某矿山选矿厂的润滑监测后台曾做过一次抽样：连续七天的检索记录中，与设备润滑直接相关的词占比不到四成。剩下的六成里，有相当一部分是「微信诈金花链接房卡在哪买财经天下」以及它的近义变体——「链接房卡」「诈金花房卡在哪买」「财经天下房卡」等。这些词有一个共同特征：它们由几个高频短词拼接而成，表面看像是设备名或部件名，实际语义指向的是卡牌娱乐的入口链接。

这类词混进来的渠道通常有三条：一是公网检索接口被爬虫扫到，留下了测试请求；二是移动端扫码入口被误分享，用户随手输入了无关词汇；三是部分设备台账的备注字段被人工填入了非设备内容。不管哪条渠道，结果都是同一件事——日志里出现了与油液指标无关的检索记录。

最直接的做法是建黑名单，把「微信诈金花链接房卡在哪买财经天下」这类词整串拉黑。但实际跑下来会发现两个问题：第一，变体太多，今天拉黑一个，明天又冒出新的拼接方式；第二，黑名单会误伤。比如「房卡」这个词，在部分老旧设备的润滑台账里曾经被用来指代「润滑脂加注卡」，一刀切拉黑会把正常记录也挡掉。

具体实现上，可以把设备润滑领域的标准词表——油液黏度、水分含量、颗粒计数、铁谱磨粒、氧化安定性等——作为基准向量。每当有新检索词进来，先计算它与基准词表的余弦相似度。相似度低于设定阈值的，标记为待复核。以「微信诈金花链接房卡在哪买财经天下」为例，它与「颗粒计数」「铁谱磨粒」的距离远高于阈值，与「房卡」「链接」这类泛词的距离则很近，系统会自动把它放进待复核队列。

隔离之后，油液曲线才干净