排除 DBLP 论文目录中的会务与前后页材料 #6

2026-11-06T11:08:41Z

codex-bot commented

2026-11-06 11:08:41 +00:00

真实 DBLP 整理产出中包含赞助页、委员会、目录组合和 workshop 活动标题，旧逻辑可能把这些材料当作论文发表。修复在入库前区分明确材料与待核查匿名活动条目。

paper_atlas/collectors/dblp_records.py：识别组合前后页和目录；缺作者的明确会务标题单列排除；WWW 2019 companion 匿名合成活动条目暂留待核查。缺作者本身不排除真实研究论文，原始快照与排除原因均保留。
tests/test_dblp_records.py：验证组合材料、会务标题、活动欢迎词、匿名待核查项及缺作者真实论文边界。
docs/data-sources.md：记录范围与保留策略。

验证：ces-control 完整119项测试通过。真实274369条原始整理记录的只读预览排除97条（frontmatter51、会务标题43、匿名待核查材料3），保留274272条。新的整理任务写独立目录，原始产出未覆盖；主库导入尚未发生。

CI：已通过完整远程检查及wheel安装验证。

base main；head codex/dblp-frontmatter。等待用户手动合并，不启用自动合并。

真实 DBLP 整理产出中包含赞助页、委员会、目录组合和 workshop 活动标题，旧逻辑可能把这些材料当作论文发表。修复在入库前区分明确材料与待核查匿名活动条目。 - paper_atlas/collectors/dblp_records.py：识别组合前后页和目录；缺作者的明确会务标题单列排除；WWW 2019 companion 匿名合成活动条目暂留待核查。缺作者本身不排除真实研究论文，原始快照与排除原因均保留。 - tests/test_dblp_records.py：验证组合材料、会务标题、活动欢迎词、匿名待核查项及缺作者真实论文边界。 - docs/data-sources.md：记录范围与保留策略。验证：ces-control 完整119项测试通过。真实274369条原始整理记录的只读预览排除97条（frontmatter51、会务标题43、匿名待核查材料3），保留274272条。新的整理任务写独立目录，原始产出未覆盖；主库导入尚未发生。 CI：已通过完整远程检查及wheel安装验证。 base main；head codex/dblp-frontmatter。等待用户手动合并，不启用自动合并。

codex-bot added 1 commit 2026-11-06 11:08:41 +00:00

Exclude proceedings matter from DBLP paper publications

Metadata integrity checks / metadata (push) Successful in 26s

Details

5f7dc3b6c0

Zayden-Jung merged commit 22d8f78870 into main

2026-11-06 11:12:48 +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#6