在AI热点监控工具项目中，信息质量过滤通常会划分为哪些不同的层级？请具体说明各层级的职责与过滤重点。

回答思路

1. 【回答框架 1】信息质量过滤通常分为三个核心层级：第一层为来源层过滤，主要针对数据源本身的可靠性、权威性和更新频率进行初步筛选，剔除已知的低质量或垃圾信息源。第二层为内容层过滤，对抓取到的文本、标题、正文进行语义和格式校验，包括去重、去广告、去无效字符、识别低质或标题党内容。第三层为应用层过滤，结合业务场景和模型判断，针对热点监控目标设定关键词、主题、情感、热度等阈值，进行最终筛选和排序。
2. 【回答框架 2】除了上述三个层级，还常常在数据入库后增加一个后置校验环节，通过规则引擎或人工抽查来发现遗漏的低质数据，并反馈到前序过滤规则中，形成闭环。在项目落地时，可以先实现前两个基础层级，再迭代引入应用层和后置校验，以避免一次性过度设计。
3. 【回答框架 3】各层级的过滤指标应当量化，比如来源层可以设定来源白名单、黑名单和评分机制；内容层可以设定重复率阈值、文本长度范围和违规词库；应用层可以设定热度指数、相关度评分和时效性要求。同时需要记录每层过滤的召回率和准确率，用来调优规则。
4. 【回答框架 4】最终的信息质量过滤是分层协作的结果，任何单层都无法保证绝对干净，需要通过多层叠加降低噪音，同时保留对误杀和漏网的监控日志，支持规则动态调整。
5. 【关键点 1】来源层过滤关注数据源可信度，内容层过滤处理文本质量问题，应用层过滤结合业务目标筛选。
6. 【关键点 2】每层应定义量化指标并留有日志，便于评估过滤效果和迭代规则。
7. 【关键点 3】过滤体系需要闭环反馈，后置校验可发现遗漏并反哺前序规则。
8. 【关键点 4】分层设计时应避免单层职责过重，保持各层相对独立和可扩展。
9. 【易错点 1】不要将信息质量过滤等同于单一的关键词屏蔽，必须分层处理不同维度的问题。
10. 【易错点 2】不要只做前置过滤，若缺少后置校验与反馈闭环，规则会逐渐脱离实际数据分布。
11. 【易错点 3】不要忽略过滤规则的更新维护，热点事件变化快，静态规则容易导致误判或漏判。