5.4 KiB
ICDM2026 冻结日程适配器
这是长期维护、按需运行的来源模块。它读取已经冻结的官方页面,离线生成可审阅的标准记录,不连接数据库、不请求网络、不下载论文 PDF;后续入库仍需作品身份、发表版本和旧投稿历史核查。
paper-atlas collect icdm2026-program \
--snapshots /data/paper-index/collected \
--out /data/paper-index/collected/icdm2026-normalized-pass01
输入根目录下须有 remaining2026-official-leads-v1/manifest.json,及 manifest 所列的三个 ICDM HTML:icdm-detailed-sessions.html、icdm-research-policy.html、icdm-applied-policy.html。共享研究 manifest 也保留其他会议的入口回执,但本适配器只读取并验证 ICDM 的三个明确 URL,不要求复制其他会议文件。固定 manifest SHA-256 为 0e13313d94e3bff17f071d3a1384f6ed83ece156239fe5bc4633cc7a34fb8e04。
适配器核对每个回执的 URL、HTTP 200、HTML 内容类型、时区时间戳、原始字节数和哈希;保留 CRLF。来源更新必须另存版本并重新审阅,不能修改旧 manifest 来冒充旧快照。源码测试 fixture 同时保存原始页面、回执和使用另一解析方法得到的独立逐行盘点。
两个明确来源轨道
官方详细日程自称为线下展示清单,日期为 2026 年 11 月 13–15 日,34 个分会场、324 个不同节目编号。适配器分别输出:
| 输出文件 | 官方明确标签 | 记录数 |
|---|---|---|
| icdm-program-2026-research.jsonl | research / Research Track | 241 |
| icdm-program-2026-applied.jsonl | applied / Applied Track | 83 |
data-track 属性必须与可见标签一致;轨道来自这两份明确证据,不根据标题、会场名称或研究主题推测。data-format 和可见 Long/Short 标签、展示说明必须一致;168 个 long 和 156 个 short 仅表示演讲形式,不自动转成论文长短、position、findings 或研究类型。日程主题也不生成自定义人物或研究分类。
每条保留日程显示标题、原始作者文字、分号分隔的来源姓名顺序、节目编号、分会场、时间、地点、全局来源位置、来源回执和对应原文文件。作者仅标为日程报告的姓名,不声称为最终出版社完整作者版本,也不生成姓名别名。
2026/DM... 是 icdm_program 来源下的节目定位键;页面锚点只是来源定位,不能当 DOI、arXiv 或原始签名投稿/决定标识。identifiers 和 submission_identifiers 都为空。status=accepted 表示列入官方研究/应用日程的来源观察,raw_decision 明确其并非原始签名决定或已核验出版社记录;不根据该状态生成原始决定日期。每条 original_decision_signature_verified=false。
始终保留范围限制
324 条日程记录都没有摘要,输出 abstract=null,每个文件的 missing_abstract_count 如实填写。manifest 始终为 partial;source_expected_count 仅对应这个冻结线下日程分区,不能当作所有录用、正式出版或线上展示的应有总数。其他页面的 workshop、博士论坛、BlueSky、demo 等不在本次输入范围内,也不能假定不存在。
标签使用 icdm_program:session_track 与 icdm_program:presentation namespace;它们是平台来源证据,不与其他来源标签或用户自定义标签混为一谈。paper_type 保留为空。
研究轨政策描述 triple-blind 审稿,应用轨政策描述 single-blind 审稿,并指向 CyberChair 投稿系统。这些是审稿期间政策,不能据此断言最终拒稿元数据不公开。报告保留 public_rejected_metadata=unknown_no_public_export_verified;未访问登录资料、未绕过限制,也未从日程缺席推断 rejected、desk_rejected 或 withdrawn。
验证与恢复
完整测试在已授权 ces-control:host 远程 runner 执行,包含全部 324 条与独立盘点逐字段对照、轨道/展示属性与可见文字冲突、重复或变化的节目编号、会场计数、空作者、原始字节/回执校验和失败输出保护。CI 另在安装 wheel 后、工作目录外运行真实 CLI,检查 241/83 两个输出及缺失摘要、未生成稳定标识等边界。构建和测试不在用户本机运行;实际结果见对应提交的远程 CI。
输出目录必须不存在。输入校验失败时不会创建输出;输出生成失败会保存 failed.json,成功报告最后原子发布为 collection-report.json。遇到已有目录,先核对原操作,不覆盖、不盲目重放。
原始来源恢复包为 /data/paper-index/validation/remaining2026-official-leads-v1-recovery.tar.gz,SHA-256 为 0be8c84bb5c591e5afaaa5f95dd5334bf13a9be1671cb942e46e998f502495bb。独立盘点为 /data/paper-index/validation/icdm2026-independent-program-inventory-v1.json,SHA-256 为 e13eaea0a158dcaafdf5dfb4af7948e4793b0e98041ec87d42b52513acfdc5f6;本机工作记录目录也保留同名备份。
下次继续先验证源码版本、原始证据和实际输出,再寻找可公开取得的摘要与正式出版记录,核查逐篇版本、稳定标识及旧投稿历史,准备新的只读预检和可审阅入库队列。完成日程规范化不意味着 ICDM2026 整届出版覆盖、公开负面决定普查或最终全库去重完成。