截断位置决定剩余信息是否可用
别名: 截断点 · 尾部省略 · end ellipsis · 从哪切
概念解释
用户真正拿到的不是原字符串,是切完之后还留在格子里的那一截。截断位置(truncation cut position)决定这一截还能不能用来辨认条目。季度报告-终稿-v3.pdf 从尾部切,剩下 季度报告-终…,文类还在;从头部切,剩下 …终稿-v3.pdf,版本还在。切在词中段,两类线索一起死。省略号本身不承载信息,有用的只有幸存者。
机制
多数界面工具默认切尾巴:从阅读起点留下前几个字,超出宽度的部分丢掉。这个默认来自西文词首携带词干的书写习惯,不是一条普遍的信息策略。字符串内部有结构——商品名把品牌放在最前,路径把盘符放在最前,工单号把区分位放在最后。留下哪一段,等于对这份结构做了一次抽样。若区分度住在尾部(订单号、扩展名、数字后缀),保头就等于把能用来分辨的那几位扔掉。十条都叫 IMG_202609 开头的照片,切完尾巴之后会变成十条一模一样的残句。问题不是省略号难看,而是残句识别等于残句内容识别,不同切法给出的残句不能互换。
怎么研究
用产品里的真名,不要用占位句。在相同剩余字符预算下施加三种切法:保头、保尾、按词边界。任务是只看残句、从近邻集合里指认原条目。自变量是切法与字符串类型(标题、路径、编号、中文姓名),因变量是指认正确率、用时、自信评分。按类型拆开看:英语标题上打赢的策略,在 SKU 上经常打输。
边界
整串能放下时没有残句,切法无意义。无内部结构的记号(随机串、UUID)无论从哪切都同样没有信息,该换别的展示手段,而不是选一个较不坏的切口。会随时间改写自身的字符串(行情代码、倒计时)会让「哪一段是区分段」跟着变,静态策略九点对、九点过一分就错。按词边界切依赖分词器;没有空格的中文和中西混排,引擎拿不到免费边界。
怎么落地
- 按字段标注区分段住在头、尾还是两端,再给这个字段单独选切法,不要全局共用一种省略。
- 把五十条真实记录灌进最窄的生产宽度,把留下的残句抄下来:两条不同记录若残句相同,切口就切错了。
- 残句不可用时,不要靠缩小字号来拖延同一场碰撞。