EpsteOut常见问题解答:为什么常见姓名如John Smith会产生误报,以及如何人工核验
EpsteOut常见问题解答:为什么常见姓名如John Smith会产生误报,以及如何人工核验
EpsteOut 是一款命令行工具,用于在已公开的 Epstein 法庭文件中搜索你的 LinkedIn 联系人姓名,并生成一份带上下文摘录和原始 PDF 链接的 HTML 报告。由于它采用完整姓名精确匹配,"John Smith" 这类高频率常见姓名很容易命中无关记录,产生误报(false positive)。本文汇总了新手最常问的疑问,并给出一套可操作的人工核验清单。
EpsteOut 能做什么:30秒了解报告结构
运行 python EpsteOut.py --connections /path/to/Connections.csv 后,工具会逐一搜索每位联系人,并默认生成 EpsteOut.html 报告。报告顶部显示搜索总数与命中人数,下方按提及次数降序展示每位联系人卡片,包含姓名、职位、公司、提及总数,以及每条命中记录的原文摘录和 justice.gov 上的源 PDF 链接。
报告里那条红色徽标(如 "167 mentions")只表示全文检索的命中次数,不等于"此人确实与案件有关"——这正是误报风险的来源。
为什么 John Smith 这类常见姓名会产生误报
机制一:完整姓名精确匹配
搜索时,EpsteOut 会把姓名整体加上引号交给索引 API 做短语匹配(见 EpsteOut.py 中 quoted_name = f'"{name}"' 的处理逻辑)。这意味着:
- 文档中只出现 "John" 或只出现 "Smith" 不会命中;
- 但文档中只要连续出现完整的 "John Smith"(例如某份证词里提到的某位同名人士、某个律师、某家机构里的员工),就会被计为一次命中。
机制二:常见姓名天然命中率高
Epstein 相关文件包含大量法律文书、证词、邮件和表格,涉及数以千计的人名。像 "John Smith"、"David Williams" 这类组合在英文文书中出现频率极高,命中结果里相当一部分只是同名的无关人士。项目文档 README.md 也明确提示:
Common names may produce false positives; review the context excerpts to verify relevance.
机制三:CSV 解析只保留"名 + 姓"
解析 LinkedIn 导出数据时,工具会取 First Name 与 Last Name 拼接成完整姓名(EpsteOut.py),并去掉姓名中的逗号后缀(如 "John Smith, JD" 会变成 "John Smith")。去后缀有利于提高匹配率,但也意味着更通用的姓名会参与检索,进一步放大了常见姓名的误报概率。
人工核验四步法:判断一条命中是否真实相关
打开报告卡片后,建议按以下顺序核验每条摘录:
- 看上下文角色:摘录里这个名字是在被描述行为、出庭作证、被聘为律师,还是仅出现在表格/签名栏?与案件核心人物无关的"过路姓名"通常可排除。
- 看职业与地点是否吻合:卡片上显示了你联系人的职位和公司,将其与摘录中的职业、城市、时间线对照;差异越大越可能是同名者。
- 打开源 PDF 通读:点击摘录下方的 "View PDF" 链接到 justice.gov 查看原文,确认该名字在完整段落中的指代对象是否唯一。
- 看命中数量是否异常:常见姓名动辄上百次命中(如截图中的 "167 mentions"),多半是同一同名者在文书中被反复引用,而非你认识的这位联系人;命中仅一两次且语境模糊的记录,应默认存疑。
💡 核验原则:高命中数 + 常见姓名 + 语境模糊 = 大概率误报;低命中数 + 语境明确指向特定身份 = 更值得深入核查。
新手常见问题 FAQ
Q1:文档里只有 "John" 或 "Smith" 单独出现,会被算进结果吗? 不会。EpsteOut 使用精确短语匹配,单独的 "John" 或 "Smith" 不会被计入,只有完整连续的 "John Smith" 才会命中(参考 README.md 的说明)。
Q2:报告里的命中数(mentions)到底是什么? 它是全文索引对该姓名的检索命中次数,按提及次数从高到低排序展示,仅作为优先级线索,不能直接当作相关性的证据。
Q3:运行中断或重复运行会重复请求 API 吗?
不会。工具在 EpsteOut.py 中实现了 23 小时缓存:最近 23 小时内已搜索过的联系人会被直接跳过,结果写入 .epstein_cache.json;即使按 Ctrl+C 中断,已搜索进度也会保留,下次运行可续查。
Q4:被限速(429)了怎么办?
无需干预。工具会自动读取 Retry-After 响应头或按指数退避等待后重试(见 EpsteOut.py),限速是批量搜索大联系人列表时的正常现象。
Q5:想换输出文件名或保存到别处?
加一个参数即可:python EpsteOut.py --connections ~/Downloads/Connections.csv --output my_report.html,参数说明见 README.md 的 Options 表格。
Q6:结果里的 PDF 链接打不开怎么办?
链接指向 justice.gov 上 Epstein 文件目录中的原始 PDF,路径由工具根据 API 返回的 file_path 自动拼装(EpsteOut.py)。若个别链接失效,可回到摘录文字,在 justice.gov 的 Epstein files 页面按文档编号手动定位。
写在最后
EpsteOut 的价值在于把"海量法庭文书中找名字"这件费力事自动化,但它输出的只是候选名单而非结论。对 "John Smith" 这类常见姓名保持警惕,用上下文、职业地点、原文 PDF 三步交叉核验,是避免误读报告的关键。
相关资料:EpsteOut.py · README.md · requirements.txt
