콘텐츠 해시 중복 판정이란 제목·파일명·메타데이터 비교가 아니라 내용의 해시 — 보통 sha256 — 로 중복 레코드를 특정하는 것입니다. 바이트가 일치할 때만 두 레코드는 같은 자산입니다.
제목 일치가 찾는 것은 후보지 중복이 아닙니다. 실측 감사에서 제목 일치 "중복" 30그룹 중 24그룹이 콘텐츠 해시 앞에서 무너졌습니다: 동명의 다른 대화, 심은 마커만 다른 검증 프로브, 내용은 무관한데 출처 필드가 충돌하던 행들.
전문 해시가 첫째. 헤더 벗긴 본문 유사도가 둘째. 출처가 셋째. 생성 시각 간격이 넷째. 그리고 본문이 빈 행은 분류 불능입니다 — 격리이지, 병합이 아닙니다.
이 항목은 untactit 용어집의 일부입니다. 정의는 블로그의 실측 기사에 근거합니다.