4、信息融合策略：基于规则的融合、基于权重的融合、基于语义的融合
信息融合，说白了就是把多路信号拧成一股绳。我刚开始做研报Agent时，以为把几份报告拼在一起就行。结果呢？输出内容前后矛盾，数据打架，读起来像精神分裂。嗯，这里面的坑，我今天带你一个个踩过去。
4.1 为什么需要信息融合？
你想想看，一份研报可能来自券商，另一份来自行业数据库，还有一份是新闻快讯。它们说的可能是同一件事，但角度、时效性、可信度完全不同。
举个例子：
- 券商报告说「某公司Q3营收增长20%」
- 新闻说「该公司Q3因汇率损失，实际利润下滑5%」
- 数据库显示「行业平均增速15%」
这三条信息单独看都没错，但融合在一起，就需要判断谁更可信、谁更相关、谁更及时。这就是信息融合要解决的问题。
核心目标：从多源异构信息中，提取出一致、准确、可用的知识表示。
4.2 基于规则的融合
这是最朴素的方法，也是我最早用的方案。说白了，就是写一堆if-else逻辑。
典型规则示例：
- 如果两个来源的数据冲突，优先采用权威来源（如官方财报）
- 如果时间戳相差超过7天，以最新数据为准
- 如果某个来源的历史准确率低于80%，降低其权重
我在项目中遇到过这样一个场景：同时抓取了东方财富和同花顺的个股数据，结果发现同一只股票的市盈率差了0.5。后来加了条规则——如果差异小于1%，取平均值；如果大于5%，标记为「数据异常」并人工审核。
我的经验：规则融合适合场景固定、冲突模式明确的场景。但规则多了以后，维护成本会指数级上升。我曾经维护过一套300多条规则的融合系统，每次新增数据源都像在拆炸弹。
4.3 基于权重的融合
规则太死板，那就给每个来源打个分。权重可以静态设定，也可以动态调整。
权重设计维度：
| 维度 | 说明 | 权重范围 |
|---|---|---|
| 来源权威性 | 官方 > 券商 > 自媒体 | 0.3 - 1.0 |
| 时效性 | 越新权重越高 | 0.1 - 0.5 |
| 历史准确率 | 基于历史回测 | 0.2 - 0.8 |
| 内容相关性 | 与查询主题的匹配度 | 0.1 - 0.6 |
加权融合公式：
final_score = Σ(weight_i * score_i) / Σ(weight_i)
# 举个实际例子
sources = [
{"source": "官方财报", "score": 0.95, "weight": 0.9},
{"source": "券商研报", "score": 0.85, "weight": 0.6},
{"source": "新闻快讯", "score": 0.70, "weight": 0.3}
]
final = sum(s["score"] * s["weight"] for s in sources) / sum(s["weight"] for s in sources)
print(f"融合得分: {final:.2f}") # 输出: 融合得分: 0.87避坑指南：我曾经把权重设得太死，结果某个数据源突然质量下降，系统却还在用高权重融合它的数据。后来我加了动态权重调整——每24小时根据最近100次融合的准确率重新计算权重。嗯，这才稳住了。
4.4 基于语义的融合
规则和权重都解决不了一个问题：语义冲突。比如「营收增长强劲」和「营收同比增长18.5%」，字面不同，但意思一样。这时候就需要语义融合了。
核心思路：用Embedding把文本转成向量，然后计算相似度。相似度高的信息可以合并，相似度低的则需要进一步判断。
我常用的流程：
- 将每条信息用预训练模型（如BERT、Sentence-BERT）编码成向量
- 计算两两之间的余弦相似度
- 设定阈值（我一般用0.85），高于阈值的视为重复或等价信息
- 对等价信息进行去重或合并（取置信度最高的那个）
- 对低相似度的信息，保留为互补信息
from sentence_transformers import SentenceTransformer
import numpy as np
model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
texts = [
"该公司营收增长强劲",
"公司营收同比增长18.5%",
"受汇率影响，利润下滑5%"
]
embeddings = model.encode(texts)
similarity_matrix = np.dot(embeddings, embeddings.T)
# 输出相似度矩阵
print("相似度矩阵:")
for i in range(len(texts)):
for j in range(len(texts)):
print(f"{texts[i][:10]}... vs {texts[j][:10]}... : {similarity_matrix[i][j]:.3f}")实际效果：在我做的一个研报摘要项目中，语义融合把重复信息减少了40%，同时保留了95%以上的关键信息。说白了，就是让Agent更「聪明」了，不再把同一件事说两遍。
4.5 三种策略的对比与选择
| 策略 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 规则融合 | 简单、可解释、易调试 | 维护成本高、泛化差 | 数据源固定、冲突模式明确 |
| 权重融合 | 灵活、可动态调整 | 权重设计依赖经验 | 数据源质量参差不齐 |
| 语义融合 | 理解深层含义、去重效果好 | 计算成本高、需要模型 | 文本语义复杂、多源异构 |
我个人习惯是：先用规则做第一层过滤，再用权重做第二层排序，最后用语义做第三层去重和合并。三层下来，信息质量基本就稳了。
4.6 知识体系图
下面这张图展示了三种融合策略的关系和流程。你可以看到，它们不是互斥的，而是可以串联使用的。
我的建议：别一上来就搞语义融合。先跑通规则和权重，把基础打牢。等数据量大了、冲突多了，再引入语义融合。我见过太多团队一上来就上BERT，结果数据还没准备好，模型跑不动，最后全推倒重来。
好了，信息融合这块就聊到这儿。记住一句话：没有最好的策略，只有最合适的组合。根据你的数据源特点、计算资源和业务需求，灵活搭配才是王道。