按发表形式采集 AAMAS 官方论文集 #38

2026-11-09T05:28:04Z

codex-bot commented

2026-11-09 05:28:04 +00:00

AAMAS 2012 的 DBLP 候选卷有 310 条，官方目录则分别列出全文、扩展摘要、演示和博士摘要。直接将整卷当作主会全文会丢失发表形式，并遗漏博士栏目。

新增 collect aamas-proceedings，目前支持独立核验的 2012 版式：从官方缓存或带 HTTP/时间/字节数/SHA-256 的冻结页面提取元数据，保留原始 HTML 证据。全文和扩展摘要的投稿轨道未明确时使用 proceedings_unspecified，发表形式、会话和来源证据独立保存；从标题中剥离隐藏摘要，从作者中剥离计数徽标。缺失摘要为 null，仅保存 PDF 地址。

paper_atlas/collectors/aamas.py：有界抓取、快照校验、严格逐栏目解析和数量边界、锁与暂存输出、原始证据与 manifest。
paper_atlas/cli.py：统一采集入口。
tests/test_aamas_proceedings.py：7 项检查覆盖隐藏字段、发表形式/轨道、身份冲突、错误来源、快照篡改、数量边界与隔离 SQLite 原生导入。
.gitea/workflows/check.yml：增加 wheel 安装后的新命令检查。
README.md、docs/aamas-proceedings.md：说明范围、运行、来源限制、复核与恢复。

本机仅做 AST、差异与暂存区检查。最新提交 ae88367facbe369ecf2c71458d8fc44f93338cb7 的远程 CI 1097 / job1194 在已确认的 aliyun-ces-control 上成功：344 项测试、wheel 构建、安装和新命令检查均通过。7 项新增检查实际执行通过。首次 CI1096 发现标签必须使用精确来源前缀，已改为 aamas_proceedings:*，并增强实际入库检查，保留存储层原有校验。

真实冻结页面也已独立核验：136 全文、146 扩展摘要、28 演示、24 博士摘要，共334条、三个按数据库 track 分组的文件；逐条对照原始 HTML 的标题、作者、摘要、发表形式、track 和证据。175 条有摘要，159 条按缺失保存。任务 paper-atlas-aamas-stage-and-collect-v1.service terminal success；只暂存65个已核对源码文件，不替换既有默认运行时或 D2 writer。

来源验收报告 /data/paper-index/collected/aamas2012-official-source-v1/independent-source-check.json；采集报告 SHA256 00232817f9e4f9d7a7654e1bcec9c250fd5f40db68c6c2ce1d7242174e388753。这是来源层验收，尚未进行主库身份匹配或生产导入。

采集命令不写生产数据库，不根据录用名单或官方汇总数生成逐篇拒稿/撤稿。真实334条来源字段已通过独立核验；主库身份预检与生产导入验收仍待后续完成。等待用户手动合并，不自动合并。

AAMAS 2012 的 DBLP 候选卷有 310 条，官方目录则分别列出全文、扩展摘要、演示和博士摘要。直接将整卷当作主会全文会丢失发表形式，并遗漏博士栏目。新增 `collect aamas-proceedings`，目前支持独立核验的 2012 版式：从官方缓存或带 HTTP/时间/字节数/SHA-256 的冻结页面提取元数据，保留原始 HTML 证据。全文和扩展摘要的投稿轨道未明确时使用 `proceedings_unspecified`，发表形式、会话和来源证据独立保存；从标题中剥离隐藏摘要，从作者中剥离计数徽标。缺失摘要为 null，仅保存 PDF 地址。 - `paper_atlas/collectors/aamas.py`：有界抓取、快照校验、严格逐栏目解析和数量边界、锁与暂存输出、原始证据与 manifest。 - `paper_atlas/cli.py`：统一采集入口。 - `tests/test_aamas_proceedings.py`：7 项检查覆盖隐藏字段、发表形式/轨道、身份冲突、错误来源、快照篡改、数量边界与隔离 SQLite 原生导入。 - `.gitea/workflows/check.yml`：增加 wheel 安装后的新命令检查。 - `README.md`、`docs/aamas-proceedings.md`：说明范围、运行、来源限制、复核与恢复。本机仅做 AST、差异与暂存区检查。最新提交 `ae88367facbe369ecf2c71458d8fc44f93338cb7` 的远程 CI **1097 / job1194** 在已确认的 `aliyun-ces-control` 上成功：**344 项测试**、wheel 构建、安装和新命令检查均通过。7 项新增检查实际执行通过。首次 CI1096 发现标签必须使用精确来源前缀，已改为 `aamas_proceedings:*`，并增强实际入库检查，保留存储层原有校验。真实冻结页面也已独立核验：136 全文、146 扩展摘要、28 演示、24 博士摘要，共334条、三个按数据库 track 分组的文件；逐条对照原始 HTML 的标题、作者、摘要、发表形式、track 和证据。175 条有摘要，159 条按缺失保存。任务 `paper-atlas-aamas-stage-and-collect-v1.service` terminal success；只暂存65个已核对源码文件，不替换既有默认运行时或 D2 writer。来源验收报告 `/data/paper-index/collected/aamas2012-official-source-v1/independent-source-check.json`；采集报告 SHA256 `00232817f9e4f9d7a7654e1bcec9c250fd5f40db68c6c2ce1d7242174e388753`。这是来源层验收，尚未进行主库身份匹配或生产导入。采集命令不写生产数据库，不根据录用名单或官方汇总数生成逐篇拒稿/撤稿。真实334条来源字段已通过独立核验；主库身份预检与生产导入验收仍待后续完成。等待用户手动合并，不自动合并。

codex-bot added 1 commit 2026-11-09 05:28:04 +00:00

Collect evidenced AAMAS proceedings metadata by publication format

Metadata integrity checks / metadata (push) Failing after 2m2s

Details

a305d00c75

codex-bot added 1 commit 2026-11-09 05:31:54 +00:00

Scope AAMAS tags to their exact source namespace

Metadata integrity checks / metadata (push) Successful in 8m56s

Details

ae88367fac

codex-bot marked the pull request as ready for review 2026-11-09 05:44:07 +00:00

codex-bot referenced this pull request