Zayden-Jung/paper-atlas
1
0
Fork 0
Code Issues Pull Requests 4 Actions Packages Projects Releases Wiki Activity

限定ACL1978与TINLAP卷的来源关系及非论文条目 #42

Merged
Zayden-Jung merged 1 commits from codex/acl-early into main 2026-11-09 13:42:19 +00:00
Conversation 0 Commits 1 Files Changed 7
+502 -3
codex-bot commented 2026-11-09 09:21:32 +00:00
Collaborator
Copy Link
Copy Source

固定年度普查把ACL1978列为无记录，但同期官方年会通知和1982年历史表说明，该年年会采用TINLAP-2形式。官方XML按TINLAP标记，现有适配器会整体排除；不能因此把所有TINLAP年份都加成ACL别名，也不能把讨论问题列表当论文。

  • paper_atlas/collectors/acl_historical.py：限定T78-1、完整卷名、1978年份、原始venue及编辑组合，保存原TINLAP系列、年会关系、PDF具体页和哈希；逐篇邀请/投稿角色不明，标为proceedings_unspecified。严格排除已核验T78-1036问题列表，保留排除原因；关键来源变化必须重新审核。
  • paper_atlas/collectors/acl.py：通过collection传递限定历史范围，并将事件证据和材料排除记录写入来源/manifest；其他卷原逻辑不变。
  • tests/test_acl_historical.py、tests/fixtures/acl-t78.xml：八项回归及固定原始官方XML，覆盖限定例外、元数据漂移、其他TINLAP年份不串联、COLING1965归属不变、材料范围、原字段和隔离原生导入幂等/关系。
  • .gitea/workflows/check.yml：增加安装后的ACL命令检查，沿用已授权ces-control runner。
  • README.md、docs/coverage/acl-early-sources-2026-11-09.md：说明一次事件关系与全局别名边界、官方PDF页、XMLcommit/哈希及长期运行恢复。

来源已在服务器冻结：5个HTTP200官方响应、2份既有固定XML；相关扫描页已渲染目视核对。T78共36条XML条目，其中35条具名贡献、1条讨论问题列表，全部无摘要。1965的替代关系只记录证据，不新增ACL全局别名、不改原COLING归属，也不据目录始于1979就把更早年份全算无归档。

本机仅AST、XML/JSON/hash、差异与文档只读审阅；项目测试和构建只在已确认远程runner执行，CI已通过（见下）。实际来源采集、独立原字段验收、PostgreSQL身份预检和35条原生生产导入独立验收现已通过；固定年度复核的历史缺口为47。

base main；head codex/acl-early。等待用户手动合并，不直接推送main、不自动合并。

远程CI与真实来源验收

精确head 443a79dce25b53d075dcfc99581cc136a6a3ef0b，CI1129/job1226在aliyun-ces-control成功，372项测试、wheel构建安装及安装后CLI检查通过。未在本机执行项目测试或构建。

服务器暂存68个已校验源码文件；仅读取固定T78.xml，不更新checkout、不替换默认runtime或canonical writer。原生collect_xml生成35条具名贡献，另保留T78-1036讨论问题列表的排除记录。独立重新解析XML逐条核对35条完整标题、作者、书目字段、原始TINLAP代码、文档证据、事件年/轨道及标识，并将官方HTML中的36个逐篇标识全部对账。

报告 /data/paper-index/collected/acl-t78-source-v1/source-acceptance.json，SHA256 2cbe0c0e48d86189449f923c4ab42924732b2e6721136c82a9e5a3253e8a0d35。PostgreSQL只读预检35条均无现有稳定标识、来源记录或同标题匹配，批内共享标识0、待审0；空DOI保留在原始来源，但不当成身份键。预检SHA256 7ed30598657ab32bf318b1bd57c6462810d9d855d51b458ed3ef08b3cdcff391。

35条单文件只读队列已消费，源字节保持一致，清单SHA256 165f851dcd75a85c71eab19b824db282ae48f297cb652614f42ad005d154d59f。原生生产导入及独立验收已通过，严禁重放该队列或全部ACL历史输出；不得推断负面决定，1965COLING归属保持。完整全库去重仍未完成。

PR已可评审，等待用户手动合并；不会自动合并或直接推送main。

PostgreSQL 生产独立验收（2026-11-09）

仅导入T78-1的35条具名贡献，1个ACL+TINLAP1978事件；T78-1036讨论问题列表未导入。沿用已验CI1106的canonical writer 714f745bd5c3fbc742be1efae0b31ab37a55e21f，未替换默认runtime或writer。服务 paper-atlas-acl-t78-import-v1.service invocation 3e058ebc238a4e55967597e3a48833fc terminal success，09:47:37 UTC结束。

报告 /data/paper-index/collected/acl-t78-import-v1/postgresql-postcheck-v1.json，SHA256 9dcb7aef7faf958067d76057394146927da4a902c566f7d648f8badea7575120。四张核心表各增加35行，逐条标题、完整作者、空摘要、原始TINLAP字段、证据、稳定标识、投稿及accepted决定关系一致；观察时间为本次采集入库时间，未伪造1978决定日期。空DOI保留原文，不作为身份键。35条均无摘要，逐篇邀请/投稿角色仍未知，track保持proceedings_unspecified。

旧全部submissions/decisions及两种来源关系排序哈希、339篇受保护论文与来源/标签、旧WWW/IJCAI修订、24条C65来源、旧edition/coverage和原venue/alias均保持；ACL别名只加到本次joint事件，不加到原TINLAP系列。约束、GIN及3次真实全文查询、foundry-core readyz200、受保护SQLite备份通过。

导入后行数：papers 3,567,800；source_records 3,810,143；submissions 526,832；decisions 566,384；editions 1,509。这些不是最终去重后的独立论文数。

随后09:48:12 UTC只读复核固定43会议/1266年度位置：1204已有记录，47历史缺口、14个2026待核位置、1个SysML2018非存档例外。历史48→47只消除ACL1978，精确差集验证通过。快照SHA256 41e75519763fe38baf0ea22c957936f122becc1759b4498409cdf3ae956fe0b2，汇总SHA256 3ff267306d5f14bd82393e193cb9ccd019e139a00559d959dcbc00f7f844f478。年度已有记录不代表逐篇、track、摘要或公开拒稿覆盖完整。

PR仍等待用户手动合并；未自动合并或直接推送main。

固定年度普查把ACL1978列为无记录，但同期官方年会通知和1982年历史表说明，该年年会采用TINLAP-2形式。官方XML按TINLAP标记，现有适配器会整体排除；不能因此把所有TINLAP年份都加成ACL别名，也不能把讨论问题列表当论文。 - paper_atlas/collectors/acl_historical.py：限定T78-1、完整卷名、1978年份、原始venue及编辑组合，保存原TINLAP系列、年会关系、PDF具体页和哈希；逐篇邀请/投稿角色不明，标为proceedings_unspecified。严格排除已核验T78-1036问题列表，保留排除原因；关键来源变化必须重新审核。 - paper_atlas/collectors/acl.py：通过collection传递限定历史范围，并将事件证据和材料排除记录写入来源/manifest；其他卷原逻辑不变。 - tests/test_acl_historical.py、tests/fixtures/acl-t78.xml：八项回归及固定原始官方XML，覆盖限定例外、元数据漂移、其他TINLAP年份不串联、COLING1965归属不变、材料范围、原字段和隔离原生导入幂等/关系。 - .gitea/workflows/check.yml：增加安装后的ACL命令检查，沿用已授权ces-control runner。 - README.md、docs/coverage/acl-early-sources-2026-11-09.md：说明一次事件关系与全局别名边界、官方PDF页、XMLcommit/哈希及长期运行恢复。 来源已在服务器冻结：5个HTTP200官方响应、2份既有固定XML；相关扫描页已渲染目视核对。T78共36条XML条目，其中35条具名贡献、1条讨论问题列表，全部无摘要。1965的替代关系只记录证据，不新增ACL全局别名、不改原COLING归属，也不据目录始于1979就把更早年份全算无归档。 本机仅AST、XML/JSON/hash、差异与文档只读审阅；项目测试和构建只在已确认远程runner执行，CI已通过（见下）。实际来源采集、独立原字段验收、PostgreSQL身份预检和35条原生生产导入独立验收现已通过；固定年度复核的历史缺口为47。 base main；head codex/acl-early。等待用户手动合并，不直接推送main、不自动合并。 ### 远程CI与真实来源验收 精确head `443a79dce25b53d075dcfc99581cc136a6a3ef0b`，CI1129/job1226在aliyun-ces-control成功，372项测试、wheel构建安装及安装后CLI检查通过。未在本机执行项目测试或构建。 服务器暂存68个已校验源码文件；仅读取固定T78.xml，不更新checkout、不替换默认runtime或canonical writer。原生collect_xml生成35条具名贡献，另保留T78-1036讨论问题列表的排除记录。独立重新解析XML逐条核对35条完整标题、作者、书目字段、原始TINLAP代码、文档证据、事件年/轨道及标识，并将官方HTML中的36个逐篇标识全部对账。 报告 `/data/paper-index/collected/acl-t78-source-v1/source-acceptance.json`，SHA256 `2cbe0c0e48d86189449f923c4ab42924732b2e6721136c82a9e5a3253e8a0d35`。PostgreSQL只读预检35条均无现有稳定标识、来源记录或同标题匹配，批内共享标识0、待审0；空DOI保留在原始来源，但不当成身份键。预检SHA256 `7ed30598657ab32bf318b1bd57c6462810d9d855d51b458ed3ef08b3cdcff391`。 35条单文件只读队列已消费，源字节保持一致，清单SHA256 `165f851dcd75a85c71eab19b824db282ae48f297cb652614f42ad005d154d59f`。原生生产导入及独立验收已通过，严禁重放该队列或全部ACL历史输出；不得推断负面决定，1965COLING归属保持。完整全库去重仍未完成。 PR已可评审，等待用户手动合并；不会自动合并或直接推送main。 ### PostgreSQL 生产独立验收（2026-11-09） 仅导入T78-1的35条具名贡献，1个ACL+TINLAP1978事件；T78-1036讨论问题列表未导入。沿用已验CI1106的canonical writer `714f745bd5c3fbc742be1efae0b31ab37a55e21f`，未替换默认runtime或writer。服务 `paper-atlas-acl-t78-import-v1.service` invocation `3e058ebc238a4e55967597e3a48833fc` terminal success，09:47:37 UTC结束。 报告 `/data/paper-index/collected/acl-t78-import-v1/postgresql-postcheck-v1.json`，SHA256 `9dcb7aef7faf958067d76057394146927da4a902c566f7d648f8badea7575120`。四张核心表各增加35行，逐条标题、完整作者、空摘要、原始TINLAP字段、证据、稳定标识、投稿及accepted决定关系一致；观察时间为本次采集入库时间，未伪造1978决定日期。空DOI保留原文，不作为身份键。35条均无摘要，逐篇邀请/投稿角色仍未知，track保持proceedings_unspecified。 旧全部submissions/decisions及两种来源关系排序哈希、339篇受保护论文与来源/标签、旧WWW/IJCAI修订、24条C65来源、旧edition/coverage和原venue/alias均保持；ACL别名只加到本次joint事件，不加到原TINLAP系列。约束、GIN及3次真实全文查询、foundry-core readyz200、受保护SQLite备份通过。 导入后行数：papers 3,567,800；source_records 3,810,143；submissions 526,832；decisions 566,384；editions 1,509。这些不是最终去重后的独立论文数。 随后09:48:12 UTC只读复核固定43会议/1266年度位置：1204已有记录，47历史缺口、14个2026待核位置、1个SysML2018非存档例外。历史48→47只消除ACL1978，精确差集验证通过。快照SHA256 `41e75519763fe38baf0ea22c957936f122becc1759b4498409cdf3ae956fe0b2`，汇总SHA256 `3ff267306d5f14bd82393e193cb9ccd019e139a00559d959dcbc00f7f844f478`。年度已有记录不代表逐篇、track、摘要或公开拒稿覆盖完整。 PR仍等待用户手动合并；未自动合并或直接推送main。
codex-bot added 1 commit 2026-11-09 09:21:32 +00:00
Preserve edition-specific ACL and TINLAP 1978 source evidence
Metadata integrity checks / metadata (push) Successful in 2m6s
Details
443a79dce2
codex-bot marked the pull request as ready for review 2026-11-09 09:34:10 +00:00
Zayden-Jung merged commit b226b3b98b into main 2026-11-09 13:42:19 +00:00
Sign in to join this conversation.
Reviewers
No Reviewers
Labels
No items
No Label
Milestone
No items
No Milestone
Projects
Clear projects
No project
Assignees
Clear assignees
codex-bot yilin-codex-bot Zayden-Jung
No Assignees
1 Participants
Notifications
Due Date
No due date set.
Dependencies

No dependencies set.

Reference: Zayden-Jung/paper-atlas#42
Delete Branch "codex/acl-early"

Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?