从高截断率到近乎零截断：倒排截断的极致优化
截断率 5% 是什么意思？每 100 个请求里，有 5 个没有完整遍历倒排链就被“砍”掉了。这意味着可能有更好的广告因为截断没有被看到。
把截断率降到 0.19% 后，我理解了一个道理：截断不是因为“没必要遍历”，而是因为“遍历的方式不对”。
为什么需要截断？
倒排链长什么样？假设广告词“北京”有 50 万条广告买了它。每个搜索“北京”相关的请求都要遍历这条链。
遍历 50 万条倒排链 + 每条都要做质量分计算 + 排序 → 耗时不可接受。
传统方案：按质量分预排序倒排链，然后只取前 K 个。K 怎么定？看经验——500？1000？
问题：有些 query 前 200 个就覆盖了所有真正相关的广告，遍历 1000 个是浪费；有些 query 相关性分散，1000 个截断会漏掉很多好广告。
动态截断的设计
核心思想：根据当前已召回结果的质量，动态决定是否继续遍历。
实时跟踪：
- 已召回候选数
- 已遍历倒排链长度
- 最近 N 个候选的平均质量分
当满足以下条件之一时截断：
1. 已召回 ≥ 目标数 AND 连续 50 个候选质量分 < 前 200 个的 30%
2. 已遍历 ≥ 20000 条 AND 近 500 条的质量分无提升
3. 总耗时 > 时间预算的 90%条件 1 是核心：当倒排链进入“低质区”时及时截断。条件 2 和 3 是安全阀。
分场景差异化
不同广告行业的截断参数不应该一样：
| 行业 | 截断参数 | 原因 |
|---|---|---|
| 医疗行业 | 保守（遍历多） | 相关性高度集中，截断风险大 |
| 电商行业 | 激进（遍历少） | 候选多且分散，低质区很快就到 |
| 房产行业 | 中等 | 地域过滤后候选本身就不多 |
| 教育行业 | 保守 | 同义表达多，容易漏 |
在线反馈闭环
截断策略上线后，我们做了一个在线反馈系统：
每隔一段时间，对少量请求（1%）不做截断，完整遍历全链。对比截断结果和全链结果的重叠率，如果重叠率下降超过阈值，自动调大截断参数。
这个闭环让截断率从 高截断率逐步降到近乎零，每个阶段都有数据验证，而不是拍脑袋调参。