3.4 KiB
DBLP family 候选恢复
DBLP 的会议命名空间会变化。旧候选过滤器包含 atal、aamas，遗漏了 ifaamas；2026-11-01 固定快照的完整目录实际已有 conf/ifaamas/2025 和 conf/ifaamas/2026。新目录盘点已把 ifaamas 纳入广泛候选范围，已有快照也可按需恢复，无需重新下载或重建完整目录。
运行
在已有元数据的服务器运行：
paper-atlas collect dblp-family \
--archive /data/paper-index/raw/dblp-2026-11-01.xml.gz \
--dtd /data/paper-index/raw/dblp-2023-06-28.dtd \
--catalogue /data/paper-index/collected/dblp/dblp-catalogue.sqlite \
--family ifaamas \
--out /data/paper-index/collected/ifaamas-recovered
--family 可以重复，但仅接受项目明确列出的候选 family。--out 必须尚不存在。同名输出由文件锁防止并发恢复；任务运行中应观测原任务，不能因为日志间隔长就重复启动。完整扫描会定期打印进度。
命令重新验证固定压缩包 SHA256、DTD MD5 与大小，并只读打开目录。目录旁的 dblp-ai-candidates.manifest.json 必须属于同一个快照和 DTD，包含完整记录类型计数。旧候选文件不作为完整性依据，也不会被改写。
恢复扫描使用项目原有 XML 流式解析器，仅允许已校验的本地 DTD，不联网读取 XML 实体。最终会比对完整快照的记录总数、逐 family 数量和全部选中卷的原始元数据。全部一致后才原子发布输出目录；失败时不发布半成品，也不覆盖既有文件。排查明确终止的失败任务后，可用尚不存在的输出目录重新运行。
输出与后续流程
dblp-family-candidates.jsonl：原始inproceedings和proceedings，保留书目 key、原始作者、标题、年份、卷引用、出版链接等字段。recovery-manifest.json：快照、DTD、目录凭据哈希，完整扫描数量、逐 family 数量、选中卷、旧候选文件的已知数量及输出哈希。状态为recovered_raw_candidates_pending_scope_review。
恢复结果没有新增规范化的 venue、track 或决定标签，也不是 import records 的输入队列。ifaamas 的整卷可能混有研究论文、扩展摘要、keynote、博士生、演示和 JAAMAS 展示。目录过滤修复不会把这些条目统一标成 main；规范化的范围映射仍需第一方逐栏目证据。
后续先用官方目录核对标题、页码、作者及发表形式，再查数据库稳定标识和候选实体，保留每次投稿、决定和标签来源。只有审核后的新增分区才能原生导入并独立验收；已验收的来源记录不能重放。单个年份有记录不代表逐篇、track、摘要或公开拒稿覆盖完整。
2026-11-09 核查实例
对既有固定快照的独立原始元数据恢复发现 ifaamas 有 1,122 条出版物候选及 2 卷：2025 年 479 条、2026 年 643 条。2025 年的 479 条标题与起始页均对应官方目录，其中 3 条 keynote 应排除，余下 476 条出版物需逐项处理。该数字包含已经验收的 225 条来源，不是 1,122 篇可新增论文。
此实例说明过滤遗漏的影响，不代表恢复命令已完成生产导入。2026 年仍需核验官方出版清单、栏目、身份及逐次决定；缺少录用记录不能推断为拒稿。最终全库去重、覆盖和查询审计继续单独进行。