6.7 KiB
ISMIR 2026 官方节目与摘要采集
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,不联网、不执行网页脚本、不下载论文 PDF、不连接数据库。输出仍须经过作品身份与投稿历史审查。
使用
paper-atlas collect ismir2026-program \
--snapshots /data/paper-index/collected \
--out /data/paper-index/collected/ismir2026-normalized-<new-run>
输入父目录需要三个冻结目录:
remaining2026-listings-research-v2:清单、ismir-accepted.html、ismir-call.html。ismir2026-script-research-v1:清单及papers.js,用于证明官方程序明确加载的数据文件和 poster 链接模板;只读取脚本原文。ismir2026-json-research-v1:清单及papers.json,提供 140 项完整元数据和公开摘要。
固定清单和全部输入原始字节均校验 SHA256、HTTP 回执、官方 URL 及带时区的采集时间。已有输出目录不能覆盖;先检查原任务是否已结束,再选择新目录。失败保留 failed.json,只有全批成功才发布 collection-report.json。
来源与版本
正式录用名单和官方虚拟平台各有 140 项,经来源内标题对应核查一致;其中 2 处标题有直引号/弯引号文字差异,3 处作者名单有差异,两个来源的原始写法分别保留并标记,不静默修正或拼接作者。
作者差异涉及节目 ID 60、126、433,包含大小写和姓名完整度问题。正式名单的作者机构可能含括号和分号,采集器只在括号外拆分作者;作者原始字符串也保留。来源内名单对应不代表数据库作品身份已经获准关联。
- 原始 JSON 摘要全文保留,包括数学符号、换行和 Unicode,不作扁平化提取。
- 数字
id、forum是 miniconf 节目定位符,不视为原始 OpenReview 投稿 ID;不推断 DOI 或 arXiv ID,投稿标识列表保持空。 accepted来自正式录用名单与节目平台,不是原始签名决定。track=program_unclassified,不从主题、session 或远程展示方式推断研究方法、workshop 或论文类型。ismir_program:keyword保存来源非空关键词,规范空白并去除同条记录内完全重复值;原始关键词列表(含空项)保留在元数据。ismir_program:presentation保存来源展示方式。Remote/In-person 是展示方式,不是研究类型。- poster URL 严格依据冻结的官方 JS 模板生成;本命令不请求 poster 页面。
公开评审与拒稿边界
原始来源中有 101 组明确选择公开的评审材料;其余 39 项 publish_reviews=No,评审正文为空。采集器验证此偏好和正文的一致性,原文保存在来源元数据,不把评审意见或 meta-review 中的推荐转换成额外的最终决定。
这些记录来自录用节目,不能据此当作 101 条公开拒稿记录。公开拒稿导出是否可得仍记为 unknown,需要单独核查。征稿与评审流程中的评审规则也不等于具体投稿决定。
输出包含一份 140 条 JSONL、部分覆盖清单、七个原始来源文件及报告,批准导入数为零。采集成功不等于会议论文/track/公开负面决定覆盖完整,也不替代最后的全库去重审计。
恢复与验证
papers.json SHA256:864d384cbc928554504e1b39849137bb380143e247a48f2d71563a698cb8e62d。
原始 JSON 和 JS 恢复包:服务器 /data/paper-index/validation/ismir2026-json-research-recovery-v1.tar.gz,本地 /Users/zzyang/Documents/Codex/2026-11-06/paper-index/ 同名文件;SHA256 为 bba7b236cfe4d8b259d6c1230b3fe09a3e9071f5203884c92b016ca0718fb095。
正式名单与政策恢复包:同目录 remaining2026-listings-research-v2-recovery.tar.gz,SHA256 为 f5ef7c2e73d46712146e4d6711ad5ad562e16b8b55c0cd75d1041cd0b81142cb。安全恢复三个源目录、核验文件后可重跑上述命令。
完整来源和独立 140 项清单在测试夹具中冻结。测试、构建、打包、安装及实际隔离目录 CLI 验证只在用户指定 ces-control:host runner 执行。生产规范化后还需独立核验全部记录,并用 PostgreSQL 只读预检检查候选作品和既往投稿;不自动合并来源差异或人物身份。
2026-11-18:首批 10 条生产关联已验收
首批 10 项已逐篇核查研究内容,并通过当前数据库实体、作者、摘要及完整历史的只读复核,随后使用已通过远程 CI 的包内 import records 导入。新增论文实体 0,新增来源记录、投稿、录用观察各 10,来源标签证据 94 条;规范标题、作者、摘要及旧历史保留。原始来源摘要另存,不覆盖规范摘要。覆盖为 partial10/140,还有 130 项待核验。数值节目 ID 仍只作为节目定位符,未冒充 OpenReview 投稿 ID,未新增全局人名别名或推断研究类型。
逐条验收与恢复记录包含生产行 ID、保护基线、归档及证据哈希。服务器基线保护此前 6,384 篇与本批 10 篇的并集 6,394 篇,全库旧投稿、决定及来源关系哈希未变;独立新快照的 10 个完整实体包、来源字段、标签和标识也逐项核验。Foundry /readyz 返回200,17,987,751,936字节的 SQLite 备份保持只读。该验收不是最终全库科学工作去重。
例如 paper 2757497(Learning Music Style for Piano Arrangement Through Cross-Modal Bootstrapping)保留一次 ICLR2026 拒稿投稿和两条拒稿来源观察,并新增独立 ISMIR2026 录用投稿。实际执行以下查询,返回 publication_outcome=accepted,同时保留原拒稿历史:
paper-atlas query --pg-service foundry-research --pg-schema research \
--paper 2757497 --outcome accepted
ISMIR 的 accepted 来自正式名单和节目,尚无原始签名决定或具体决定日期;不能把采集时间当作决定时间。决定的规范时间使用包内既有毫秒格式,来源回执的原始微秒时间仍保留于元数据。
禁止重放 /data/paper-index/collected/ismir2026-prepared10-v1 的文件。导入单元 paper-atlas-ismir2026-import10-v1.service、invocation 538ce9c9324a4f59b5bb49d3094d5265 已成功结束;下批增量须从当前 partial10/140 基线准备,不得沿用已消费的 0/140 父状态。保护基线恢复包为 /data/paper-index/validation/ismir2026-baseline10-recovery-v1.tar.gz,验收恢复包为 /data/paper-index/validation/ismir2026-import10-acceptance-recovery-v1.tar.gz;本机 paper-index 工作目录有同名副本及独立检查记录。