补齐 ACM MM、MLSys 范围并接入官方摘要与发表身份 #12

2026-11-06T14:43:20Z

codex-bot commented

2026-11-06 14:43:20 +00:00

会议注册表和 DBLP 范围原先缺少 ACM MM、MLSys，MLSys 官方摘要与书目来源也缺少共同发表身份。现在补齐两个家族，采集官方摘要，并通过同年出版社自身标识复用论文和录用投稿事件。

paper_atlas/resources/venues.json、README.md：会议范围由41增至43，登记 MM、MLSys 的领域与官方入口。
paper_atlas/collectors/proceedings.py、paper_atlas/cli.py：接入 MLSys 2019–2026 官方目录，核对目录数量、真实轨道和2019 SysML别名；2018官方为非归档届次。支持2023真实的 mlsys2023 链接标签，不放宽2025起的明确轨道要求。
paper_atlas/io/publication_ids.py、paper_atlas/db/submissions.py：新旧出版社自身链接统一为 publication_mlsys；共享投稿入口核对会议、年份和录用状态。旧 DBLP 文件未带新字段时，可从保留的唯一自身出版社链接恢复身份；参考文献、错误年份、其他会议及拒稿不参与此发表身份关联。
paper_atlas/collectors/dblp.py、dblp_scope.py、dblp_records.py：补入两家族、MM历史分卷与workshop范围，核对SysML全称；旧候选子集缺少新增家族时要求原始XML。MM主会卷混有博士/教程/复现章节，缺逐篇证据时保留 proceedings_unspecified，避免整卷误标研究主轨道。
paper_atlas/collectors/public_openreview.py：将 acmmm 明确负面决定映射到 MM，保留来源证据，不把缺席视作拒稿。
tests/test_mlsys_multimedia.py：10项新增测试覆盖真实历史格式、年份/轨道/出版社边界、旧DBLP与官方摘要一篇论文一次投稿、workshop分离及候选遗漏防护。
tests/test_cli.py、.gitea/workflows/check.yml：安装后必须含 COLM/MM/MLSys，检查名称唯一，移除固定41项的旧假设。
docs/data-sources.md：记录命令、来源、身份规则、未知章节和公开拒稿覆盖边界。

验证：最新9a279f2在批准的 ces-control:host（aliyun-ces-control）完成 CI951：151项测试通过，wheel构建与安装成功。本机未测试或构建。真实MLSys八年目录与448条采集记录逐集合核对完全一致，448个出版社标识无重复，摘要缺失0；各年32/34/52/51/46/37/61/135条。逐文件SHA-256已核验，报告 /data/paper-index/collected/mlsys/collection-audit.json，导入队列已固定哈希。主库尚未导入这些文件。

边界：DBLP原始快照筛选仍在运行。初版a65误把MM主会卷当研究主轨道，其暂存目录已标记 superseded_do_not_import 并保留；修正规则25cc在独立v2目录扫描，尚未证明全量筛选完成。DBLP不提供摘要，MM近期目录、摘要与公开拒稿仍需补源；已有镜像仅含MM2024录用不能证明其他年份没有公开拒稿。全库实体/投稿去重、年份/轨道/摘要覆盖和SQLite/FTS审计仍须在全部导入后执行。

base main；head codex/multimedia-mlsys，提交 a65edc6、25cc5b8、9a279f2。25cc恢复records.py/backfill.py原结构，将身份校验集中至共享入口；与PR #10/#11合并预检无冲突。已推送工作分支，等待用户手动合并。

会议注册表和 DBLP 范围原先缺少 ACM MM、MLSys，MLSys 官方摘要与书目来源也缺少共同发表身份。现在补齐两个家族，采集官方摘要，并通过同年出版社自身标识复用论文和录用投稿事件。 - paper_atlas/resources/venues.json、README.md：会议范围由41增至43，登记 MM、MLSys 的领域与官方入口。 - paper_atlas/collectors/proceedings.py、paper_atlas/cli.py：接入 MLSys 2019–2026 官方目录，核对目录数量、真实轨道和2019 SysML别名；2018官方为非归档届次。支持2023真实的 mlsys2023 链接标签，不放宽2025起的明确轨道要求。 - paper_atlas/io/publication_ids.py、paper_atlas/db/submissions.py：新旧出版社自身链接统一为 publication_mlsys；共享投稿入口核对会议、年份和录用状态。旧 DBLP 文件未带新字段时，可从保留的唯一自身出版社链接恢复身份；参考文献、错误年份、其他会议及拒稿不参与此发表身份关联。 - paper_atlas/collectors/dblp.py、dblp_scope.py、dblp_records.py：补入两家族、MM历史分卷与workshop范围，核对SysML全称；旧候选子集缺少新增家族时要求原始XML。MM主会卷混有博士/教程/复现章节，缺逐篇证据时保留 proceedings_unspecified，避免整卷误标研究主轨道。 - paper_atlas/collectors/public_openreview.py：将 acmmm 明确负面决定映射到 MM，保留来源证据，不把缺席视作拒稿。 - tests/test_mlsys_multimedia.py：10项新增测试覆盖真实历史格式、年份/轨道/出版社边界、旧DBLP与官方摘要一篇论文一次投稿、workshop分离及候选遗漏防护。 - tests/test_cli.py、.gitea/workflows/check.yml：安装后必须含 COLM/MM/MLSys，检查名称唯一，移除固定41项的旧假设。 - docs/data-sources.md：记录命令、来源、身份规则、未知章节和公开拒稿覆盖边界。验证：最新9a279f2在批准的 ces-control:host（aliyun-ces-control）完成 CI951：151项测试通过，wheel构建与安装成功。本机未测试或构建。真实MLSys八年目录与448条采集记录逐集合核对完全一致，448个出版社标识无重复，摘要缺失0；各年32/34/52/51/46/37/61/135条。逐文件SHA-256已核验，报告 /data/paper-index/collected/mlsys/collection-audit.json，导入队列已固定哈希。主库尚未导入这些文件。边界：DBLP原始快照筛选仍在运行。初版a65误把MM主会卷当研究主轨道，其暂存目录已标记 superseded_do_not_import 并保留；修正规则25cc在独立v2目录扫描，尚未证明全量筛选完成。DBLP不提供摘要，MM近期目录、摘要与公开拒稿仍需补源；已有镜像仅含MM2024录用不能证明其他年份没有公开拒稿。全库实体/投稿去重、年份/轨道/摘要覆盖和SQLite/FTS审计仍须在全部导入后执行。 base main；head codex/multimedia-mlsys，提交 a65edc6、25cc5b8、9a279f2。25cc恢复records.py/backfill.py原结构，将身份校验集中至共享入口；与PR #10/#11合并预检无冲突。已推送工作分支，等待用户手动合并。

codex-bot added 1 commit 2026-11-06 14:43:20 +00:00

Add ACM Multimedia scope and MLSys metadata with shared publication identities

Metadata integrity checks / metadata (push) Successful in 33s

Details

a65edc6b9d

codex-bot added 1 commit 2026-11-06 14:50:02 +00:00

Preserve unspecified MM tracks and validate MLSys identities at the shared boundary

Metadata integrity checks / metadata (push) Successful in 41s

Details

25cc5b865b

codex-bot marked the pull request as work in progress 2026-11-06 14:58:19 +00:00

codex-bot added 1 commit 2026-11-06 14:59:08 +00:00

Handle MLSys year-labelled proceedings and bridge retained publisher evidence

Metadata integrity checks / metadata (push) Successful in 53s

Details

9a279f2eae

codex-bot marked the pull request as ready for review 2026-11-06 15:21:18 +00:00

Zayden-Jung merged commit 029e73cafe into main

2026-11-06 16:15:17 +00:00

Sign in to join this conversation.

1 Participants

Notifications

Due Date

No due date set.

Dependencies

No dependencies set.

Reference: Zayden-Jung/paper-atlas#12