Preserve reviewed historical learning and planning predecessor series

2026-11-09 15:01:12 +08:00
parent 02a408ba8f
commit 90bd534edd
8 changed files with 578 additions and 4 deletions
@@ -0,0 +1,53 @@
+# EWSL 与规划会议前身的来源范围
+
+本项扩展 DBLP 元数据适配：核对具体历史卷，保留 EWSL、EPS、ECP、EWSP 原始系列名称，并使用已有会议别名关系关联 ECML-PKDD 或 ICAPS。它不把历史论文的原始会议名称替换成后来的会议，也不从卷的存在推断有逐篇数据。
+
+## 证据与已核验边界
+
+[ECML-PKDD 2011 官方历史页](https://ecmlpkdd2011.org/pastConferences.php)与 [ICAPS 官方系列历史](https://www.icaps-conference.org/conference-series/)分别提供系列前身关系。2026-11-09 冻结页面 SHA-256 为：
+
+- ECML-PKDD：`c3ecdb032aeacf6a365aace5457773827d1405872ad9bc6be6fc05851d5e68d6`。
+- ICAPS：`de1d217660cb819825f58112cdaf774d0f68da6ed87e3e90a59055e52f152081`。
+
+与固定 DBLP 2026-11-01 快照的完整 proceedings 目录对照后，仅对下列具体卷识别前身主系列：
+
+| 原始系列 | 事件年 | DBLP 卷 key | 卷出版年 | 原始逐篇书目计数 |
+|---|---:|---|---:|---:|
+| EWSL | 1987 | `conf/ecml/1987` | 1987 | 16 |
+| EWSL | 1988 | `conf/ecml/1988` | 1988 | 21 |
+| EWSL | 1989 | `conf/ecml/1989` | 1989 | 0 |
+| EWSL | 1991 | `conf/ecml/1991` | 1991 | 44 |
+| EPS | 1990 | `conf/aips/1990` | 1990 | 48 |
+| ECP | 1997 | `conf/ecp/1997` | 1997 | 35 |
+| ECP | 1999 | `conf/ecp/1999` | 2000 | 28 |
+| EWSP | 1991 | `conf/ewsp/1991` | 1991 | 10 |
+
+合计 202 条是原始 `inproceedings` 书目计数，尚未经过前言等材料排除、身份核查与生产验收，不能作为新论文数量。EWSL 1989 在当前 catalogue 中有卷信息，但未匹配到 `inproceedings` 条目；其他记录类型和其他来源仍待核查。代码支持它的范围规则不表示已补上这一年的论文。
+
+核验同时要求来源 family、booktitle 基名、空轨道后缀、完整 proceedings key、完整标题及卷出版年与固定证据一致。邻近年份、标题附加内容、`w` 卷后缀或工作坊 booktitle 均不能继承此范围。ECP、EWSP 及 EPS 的未知卷保持待审。原有 AIPS、ICML/IROS、AISTATS/COLT 规则保持各自边界。
+
+EWSL 的主轨道仍属于 `EWSL`，通过 `ECML-PKDD` 别名纳入家族查询；EPS、ECP、EWSP 保留原名，通过 `ICAPS` 别名关联。`main` 在此表示该原始系列的主轨道。原始 booktitle、作者、论文书目年、卷标题、卷出版年、事件年及历史页 URL 分开保存在 metadata 中。例如 ECP 1999 的事件年 1999 与卷出版年 2000 都保留，不用其中一个覆盖另一个。
+
+## 候选文件与完整快照
+
+旧的窄范围 `dblp-ai-candidates.jsonl` 未纳入 `ecp`、`ewsp` family，但完整 catalogue 的 proceedings 与 volume_counts 中有它们。新的 catalogue 导出会纳入这两个 family。
+
+选择 ICAPS 且截止年达到 EWSP 1991 或 ECP 1997 时，若候选 manifest 缺少相应 family，`collect dblp --candidates` 会明确报错，要求使用原始完整 `--archive`。错误发生在写输出之前，不会把遗漏当作成功采集。选择其他会议或截止 EPS 1990 的旧候选采集不受这项新家族检查影响。
+
+在已确认的远程运行环境中使用完整快照：
+
+```sh
+paper-atlas collect dblp \
+  --catalogue /data/paper-index/collected/dblp/dblp-catalogue.sqlite \
+  --archive /path/to/pinned-dblp.xml.gz --dtd /path/to/pinned-dblp.dtd \
+  --venue ECML-PKDD --venue ICAPS --through-year 2001 \
+  --out /data/paper-index/collected/historical-predecessors
+```
+
+完整快照与 DTD 均沿用现有固定身份校验。该命令也会输出已覆盖的其他年度；生产导入前须单独筛选目标卷与年度，检查 raw source、前言材料、稳定标识、标题、作者及现有投稿，不能直接导入整个输出目录。不会下载论文 PDF。
+
+## 验证和当前限制
+
+回归检查使用独立保存的八卷原始目录 fixture，合成论文只用于隔离测试；不代表真实逐篇来源。检查原始系列/别名、完整标题和年份边界、旧候选文件显式失败、扩展 family 的 catalogue 导出、原生导入后的元数据与关系。
+
+代码、测试、采集和生产导入是不同阶段。新范围不表示本批数据已采集或已导入，更不表示公开拒稿、摘要或最终去重完整。原始书目仅提供发表条目证据，不是原始决定信；没有记录不能推断为拒稿或未举办。后续各批需保留独立验收报告，保护既有跨会投稿、决定与标签历史。