G1.05.2missing metadata breaks advanced search设计研究
元数据缺失时高级检索失效
别名: 元数据缺失 · advanced search failure · 字段空洞
概念解释
按作者、日期范围、状态、文件类型去收窄，依赖的是字段里真有值。字段空着，高级检索的条件是在对空集做运算：界面还在，结果却是全无或乱收。元数据缺失则高级检索失效，不是搜索引擎坏了，是查询写在了不存在的数据上。全文检索还能从标题和正文里碰运气；字段检索没有「碰运气」这一档。
把高级检索入口做得很完整，却不保证对应字段被填过，是在展示一种系统并不拥有的能力。
机制
字段查询是精确匹配或范围匹配。空值既不等于「未知」、也不等于「任意」，多数实现会把空值排除在「作者 = 张三」之外，也可能把空值错误地放进「作者不为张三」。无论哪一种，用户都无法从结果反推「到底有没有这份东西」。缺失还呈系统性：某类内容从来没被要求填日期，于是所有按日期的高级检索对那一类静默失效，看起来像「最近没有」，其实是「最近不可知」。
全文检索的召回能掩盖一部分缺失，所以只测关键词搜索会得出「检索是好的」的假象。一旦任务指定字段条件，假象破裂。
怎么研究
把「字段填充率」当作检索质量的前置变量，而不是事后解释。
- 范式：构造已知目标的字段查询（作者、日期、状态），在填充完整与故意挖空的语料上对比；再分析真实库的空值分布与查询失败的对应。
- 自变量：目标字段的空值率、空值是结构化「未知」还是真的没存、界面是否暴露「仅含已填写」的范围。
- 因变量：已知项能否被字段查询找回、假阴性里有多少是空值造成、用户把失败归因于「没有」还是「搜错」。
- 方法论注意点：实验室语料往往字段齐全，会高估高级检索。要从生产库抽空值样本。不要用全文检索的成功率替字段检索辩护。
边界
关键词搜索、拼音首字母、拼写容错都不走字段，缺元数据时它们仍可工作，不能据此宣称高级检索也工作。自动抽取（从正文猜日期、猜作者）能降低空值，但抽错比空着更危险，因为结果看起来很确定。权限过滤造成的「对你不可见」不是元数据缺失，应与空值分开计量，否则会把授权问题当成编目问题。
怎么落地
- 每个高级检索条件上线前，先报对应字段的非空率。低于可用阈值就不要放出这个条件，或明确写「仅对已填写日期的条目有效」。
- 空值要有结构化表示，并在结果里可被解释（「日期未知」），禁止把空值悄悄当成很久以前或刚刚。
- 对空值率高的类型，优先补字段或收回该条件，而不是把高级检索面板做得更长。
- 验证：挑十条字段为空的已知目标，用高级检索按用户会用的条件去找。找不到，就是失效，不要用全文搜索把它们「找回来」当作通过。