C#中String.Contains与Regex.Match的误报问题及优化咨询

问题背景 #

我尝试筛选标题包含upgrade相关词汇（如upgrade、upgrades、upgrade's）的新闻文章，但使用String.Contains或Regex.Match时出现大量误报，希望得到提升准确率的方向建议。

基础代码 #

string baseHeadline = (string)newsRow["Headline"];
string headline = baseHeadline.ToLower();
bool isUpgrade = false;
isUpgrade = headline.Contains("upgrade");

误报与正确命中示例 #

误报标题 #

Stocks That Hit 52-Week Lows On Friday
JMP Securities Reiterates Market Outperform on Capital Southwest, Maintains $22 Price Target

正确命中标题 #

Analyst Upgrades Arrowhead Pharma Citing 'Attractive Risk/Reward'
Morgan Stanley Upgrades Confluent to Overweight, Raises Price Target to $30

提升准确率的具体方向 #

• 使用正则匹配完整词汇：用单词边界\b限定匹配独立单词，同时覆盖复数、所有格变体。示例正则：\bupgrade(s|'s)?\b，开启忽略大小写选项。
  代码示例：

  using System.Text.RegularExpressions;
  // ...
  string pattern = @"\bupgrade(s|'s)?\b";
  bool isUpgrade = Regex.IsMatch(baseHeadline, pattern, RegexOptions.IgnoreCase);
  

• 结合财经语境过滤：财经新闻里upgrade常和分析师（Analyst）、投行名称、评级调整（Overweight）等关联，可额外检查标题是否包含这类相关词汇，进一步压缩误报范围。
• 排除无关子串干扰：针对像Southwest这类包含upgrade字母片段但无关的词汇，可通过正则明确排除，或构建黑名单词汇列表，命中则直接排除。
• 用词干提取统一匹配：把标题词汇提取词干（如将upgrades、upgrade's还原为upgrade），再和目标词干匹配，避免词形变化导致的误判。

内容的提问来源于stack exchange，提问作者IslandIslandIsland