Files
paper-atlas/docs/recsys2026-program.md
codex-bot afb3b939ca
Metadata integrity checks / metadata (push) Successful in 3m22s
Record RecSys 47-link acceptance and current 2026 source gaps
2026-11-17 22:15:25 +08:00

6.8 KiB
Raw Permalink Blame History

RecSys 2026 公开录用贡献采集

这是长期维护项目中的离线采集器,按需处理冻结的官方元数据,不连接数据库、不访问论文链接或下载 PDF。输出须经过作品、DOI 和投稿历史审查才能导入。

使用

paper-atlas collect recsys2026-program \
  --snapshots /data/paper-index/collected \
  --out /data/paper-index/collected/recsys2026-normalized-<new-run>

输入父目录应包含 remaining2026-listings-research-v2/manifest.json 与 recsys-contributions.html。采集器检查固定清单 SHA256、官方 URL、HTTP 200、采集时区、原始字节哈希、九个 track 的菜单及完整条目数。现有输出目录不可覆盖;失败保留 failed.json,成功才发布 collection-report.json。再次运行前先检查原任务是否结束。

数据范围与重复项

来源是 RecSys 官方录用贡献页面,冻结时间为 2026-11-17。九个来源 track:

track 观察数
long 65
short 29
past_present_future 13
reproducibility 4
resource 7
industry 83
research_practice_notes 34
demo 18
doctoral_symposium 10

263 项来源观察对应 260 个不同 DOI,并非 263 篇不同论文。 每条记录用官方页面中的 accordion locator 标识,分别保留来源标题、作者原文、摘要和位置,不假设 locator 是原始投稿 ID。

以下 DOI 各出现两次,六个观察均显式标记待审查:

  • 10.1145/3773078.3831839:Dart 两条来源记录的标题、作者和摘要都有差异;不得静默选一个覆盖另一个。
  • 10.1145/3773078.3831819:标题与作者相同、摘要版本不同。
  • 10.1145/3773078.3831861:重复展示的文字相同,保留两个来源位置。

所有观察都有公开摘要。正文只转换为 HTML 展示文字并规范空白,原始页面完整保留;遇到未审查的数学或图片结构会停止,不把上标扁平化成数字。作者按来源的逗号和最后一个 and 分隔,原始名单同时保留;这不是已验证的作者人物身份或别名。

accepted 仅指官方页面明示录用,不是原始签名评审决定。DOI 来自官方超链接,尚未独立核查实时出版商版本;归入 publication_doi,不复制其他会议的投稿 ID。track 明确来自页面区块;recsys_program:contribution_type 仅保存页面原始类型标签(Research、PastPresentFuture、Doctoral Symposium),各 track 的 RES/IND/RPN 等缩写同时保留在来源字段,不统一推断研究方法类型。

本页只含录用贡献,不能据此推断未出现的稿件被拒。公开拒稿导出仍为 unknown,征稿页的 desk rejection 政策不等于具体拒稿记录。不得将本批采集成功当成会议全部来源、负面决定或全库去重完成。

输出与恢复

输出九份 JSONL、对应部分覆盖清单、原始 HTML 和清单证据,以及记录观察数和不同 DOI 数的报告;批准导入数为零。

清单 SHA256:fea7b710587636db06794ee195cd083634c41e9054a217859d9dd0ccdd1afab9。

服务器恢复包 /data/paper-index/validation/remaining2026-listings-research-v2-recovery.tar.gz,本地备份 /Users/zzyang/Documents/Codex/2026-11-06/paper-index/remaining2026-listings-research-v2-recovery.tar.gz,SHA256 为 f5ef7c2e73d46712146e4d6711ad5ad562e16b8b55c0cd75d1041cd0b81142cb。安全恢复原始目录、核对哈希后重跑上述命令。

完整来源与独立 263 项基准已保存在测试夹具,所有测试、构建和安装验证交给指定的 ces-control:host runner。生产导入前还需独立核验规范化结果,并检查当前数据库已有 DOI 绑定及历次投稿。最终全库去重审计仍是独立必做阶段。

2026-11-17 PostgreSQL 补录验收

采集器仍只生成待审查文件;本节记录随后单独完成的生产补录。47 条来源记录已关联到 47 篇既有作品,依据是已绑定的同一发表 DOI、规范化标题、完整作者集合,以及原始 arXiv 来源明确引用的同一 DOI。逐条当前资料和历史包已与只读预检核对;没有新增论文实体、人物别名、arXiv 标识或原始 OpenReview ID。

track 已导入观察 / 来源应有观察
demo 1 / 18
doctoral_symposium 2 / 10
industry 18 / 83
long 13 / 65
past_present_future 2 / 13
reproducibility 1 / 4
research_practice_notes 4 / 34
resource 2 / 7
short 4 / 29

九个 track 全部保持 partial。总计 47/263 个来源观察已导入,216 个待审查,其中包括三组重复 DOI 的六项观察。来源的 263 项观察对应 260 个不同 DOI,不能把观察数量当成不同科学论文数量。

本批新增一个来源、九个 edition、47 条来源记录、47 次投稿/47 条录用观察、47 个 publication_doi 投稿标识及47条来源类型标签证据关联。源摘要分别保存,47 篇既有作品的规范摘要保持不变;原始程序字段、来源链接、时间和类型标签也逐条核验。Research/PastPresentFuture/Doctoral Symposium 仍属于来源 namespace,不强制映射成统一研究方法类别。

独立验收确认:5,812 篇受保护旧作品及其旧资料、来源、标签、标识不变,全部旧投稿/决定原文与关联历史不变;foundry-core /readyz 为 200,受保护 SQLite 备份大小/只读权限不变。论文实体仍为 3,567,888;不能用 max(id) 代替行数。

  • 完整验收:/data/paper-index/collected/recsys2026-import47-v1/postgresql-postcheck-v1.json,SHA256 7c7e2dcd06bdbc839666740a989c1f187fa47290800a9055cf4540be64336cf4。
  • 保护基线:/data/paper-index/collected/recsys2026-import47-baseline-v1/baseline.json,SHA256 aa86d51ff18774a505b1c59510ad867c6221c152334dc4983d31c5290cb8ac0f。
  • 导入前完整队列/基线恢复包:/data/paper-index/validation/recsys2026-reviewed47-recovery-v1.tar.gz,SHA256 ae054a6447e8c2864fd8e365867cd3308dee974f375fafff5653fff2a51044e1;本地同名备份位于 /Users/zzyang/Documents/Codex/2026-11-06/paper-index/,已核验全部 47 个原始身份包、九份输入和基线。

执行代码固定在提交 8c147f5e6edda900e2eed19372ab031f661b31c5 的独立验证目录,85 个包文件校验通过;24 个写入关键文件与此前已验收版本一致。授权 ces-control:host runner 的 CI1230/job1327通过525项测试及安装后实际RecSys263项/260DOI验证。没有改变服务器默认运行代码目录或共享数据库配置。

九份输入均已消费,禁止重放。 恢复时先检查实际 PostgreSQL、执行回执和终态验收;不能因日志安静、观测超时或重新启动 Goal 就复跑。后续216条须另建审查与增量队列,并重新取当前基线。本批通过不等于整届 RecSys、公开拒稿覆盖或最终全库去重已完成。