docs(ecp): add Club Atlético River Plate ECP profile and update classification examples
This commit is contained in:
@@ -131,36 +131,53 @@ flowchart TD
|
||||
|
||||
### Formato do ECP Snapshot e Markdown
|
||||
|
||||
#### Exemplo de ECP Snapshot (`ecp_sample.json`):
|
||||
#### Exemplo de ECP Snapshot Real (`examples/ecp_club_atletico_river_plate.json`):
|
||||
```json
|
||||
{
|
||||
"target_entity_id": "ent_river_plate",
|
||||
"target_name": "River Plate",
|
||||
"aliases": ["Club Atlético River Plate", "Millonario", "El Más Grande"],
|
||||
"domain": "sports/football",
|
||||
"anchors": ["Monumental", "Copa Libertadores", "Marcelo Gallardo", "Copa Sudamericana"],
|
||||
"negative_anchors": ["Boca Juniors vitória", "Flamengo campeão"],
|
||||
"target_entity_id": "ecp_river_plate",
|
||||
"target_name": "Club Atlético River Plate",
|
||||
"canonical_name": "Club Atlético River Plate",
|
||||
"domain": "Futebol / Esportes",
|
||||
"aliases": ["Club Atlético River Plate", "River Plate", "River", "El Millonario", "La Banda", "CARP"],
|
||||
"anchors": ["Monumental", "Copa Libertadores", "Copa Sudamericana", "Eduardo Coudet", "Nicolás Otamendi"],
|
||||
"negative_anchors": ["River Plate de Montevideo", "River Plate de Asunción", "Rio da Prata"],
|
||||
"graph_version": "1.0.0",
|
||||
"related_entities": [
|
||||
{
|
||||
"entity_id": "ent_gallardo",
|
||||
"name": "Marcelo Gallardo",
|
||||
"relation_type": "manager",
|
||||
"weight": 0.85,
|
||||
"aliases": ["Muñeco"]
|
||||
"entity_id": "boca_juniors",
|
||||
"name": "Club Atlético Boca Juniors",
|
||||
"relation_type": "RIVAL_OF",
|
||||
"weight": 0.9,
|
||||
"aliases": ["Boca Juniors", "Boca", "Xeneize"]
|
||||
},
|
||||
{
|
||||
"entity_id": "estadio_monumental",
|
||||
"name": "Estadio Mâs Monumental",
|
||||
"relation_type": "HOME_VENUE_OF",
|
||||
"weight": 0.95,
|
||||
"aliases": ["Monumental", "El Monumental"]
|
||||
}
|
||||
]
|
||||
}
|
||||
```
|
||||
|
||||
Perfis de exemplo prontos para uso em `examples/`:
|
||||
- [`examples/ecp_club_atletico_river_plate.json`](examples/ecp_club_atletico_river_plate.json) (Club Atlético River Plate)
|
||||
- [`examples/ecp_sao_paulo_futebol_clube.json`](examples/ecp_sao_paulo_futebol_clube.json) (São Paulo FC)
|
||||
|
||||
### Exemplos de Uso CLI
|
||||
|
||||
```bash
|
||||
# Classificação Determinística padrão (Tier 1)
|
||||
python classify.py --ecp tests/fixtures/sample_ecp.json --content tests/fixtures/sample_article.md
|
||||
python classify.py \
|
||||
--ecp examples/ecp_club_atletico_river_plate.json \
|
||||
--content out/markdown/meu_artigo_001.md
|
||||
|
||||
# Salvar resultado em arquivo JSON formatado
|
||||
python classify.py --ecp ecp.json --content artigo.md --output out/resultado_classificacao.json
|
||||
python classify.py \
|
||||
--ecp examples/ecp_club_atletico_river_plate.json \
|
||||
--content out/markdown/meu_artigo_001.md \
|
||||
--output out/classification_001.json
|
||||
|
||||
# Habilitar camadas adicionais (Embeddings e LLM)
|
||||
python classify.py --ecp ecp.json --content artigo.md --enable-embeddings --enable-llm
|
||||
|
||||
@@ -0,0 +1,143 @@
|
||||
{
|
||||
"target_entity_id": "ecp_river_plate",
|
||||
"target_name": "Club Atlético River Plate",
|
||||
"canonical_name": "Club Atlético River Plate",
|
||||
"domain": "Futebol / Esportes",
|
||||
"aliases": [
|
||||
"Club Atlético River Plate",
|
||||
"River Plate",
|
||||
"C.A. River Plate",
|
||||
"CA River Plate",
|
||||
"River",
|
||||
"CARP",
|
||||
"C.A.R.P.",
|
||||
"El Millonario",
|
||||
"Los Millonarios",
|
||||
"La Banda",
|
||||
"La Banda Roja",
|
||||
"El Más Grande",
|
||||
"Millo",
|
||||
"El Millo"
|
||||
],
|
||||
"anchors": [
|
||||
"fútbol",
|
||||
"futebol",
|
||||
"football",
|
||||
"Copa Libertadores",
|
||||
"Libertadores",
|
||||
"Copa Sudamericana",
|
||||
"Sudamericana",
|
||||
"Liga Profesional",
|
||||
"Liga Profesional de Fútbol",
|
||||
"Primera División",
|
||||
"Copa Argentina",
|
||||
"AFA",
|
||||
"Conmebol",
|
||||
"Superclásico",
|
||||
"Monumental",
|
||||
"Estadio Monumental",
|
||||
"El Monumental",
|
||||
"Antonio Vespucio Liberti",
|
||||
"Núñez",
|
||||
"River Camp",
|
||||
"Marcelo Gallardo",
|
||||
"Gallardo",
|
||||
"Martín Demichelis",
|
||||
"Demichelis",
|
||||
"Eduardo Coudet",
|
||||
"Chacho Coudet",
|
||||
"Coudet",
|
||||
"Enzo Francescoli",
|
||||
"Francescoli",
|
||||
"Franco Armani",
|
||||
"Armani",
|
||||
"Germán Pezzella",
|
||||
"Pezzella",
|
||||
"Nicolás Otamendi",
|
||||
"Otamendi",
|
||||
"Ángel Correa",
|
||||
"Angel Correa",
|
||||
"Rafael Santos Borré",
|
||||
"Santos Borré",
|
||||
"Santiago Beltrán",
|
||||
"Lucas Martínez Quarta",
|
||||
"Martínez Quarta",
|
||||
"Lautaro Rivero",
|
||||
"Facundo González",
|
||||
"Tobías Andrada",
|
||||
"Fausto Vera",
|
||||
"Aníbal Moreno",
|
||||
"Tomás Galván",
|
||||
"Thiago Almada",
|
||||
"Joaquín Freitas",
|
||||
"Valentín Lucero",
|
||||
"Juan Meza",
|
||||
"Boca Juniors",
|
||||
"Independiente Santa Fe"
|
||||
],
|
||||
"negative_anchors": [
|
||||
"River Plate de Montevideo",
|
||||
"Club Atlético River Plate (Uruguay)",
|
||||
"River Plate de Asunción",
|
||||
"Club River Plate (Asunción)",
|
||||
"River Plate de Sergipe",
|
||||
"River Atlético Clube",
|
||||
"River de Piauí",
|
||||
"Rio River Plate",
|
||||
"Rio da Prata",
|
||||
"Bacia do Rio da Prata",
|
||||
"Batalha do Rio da Prata",
|
||||
"Estuário do Rio da Prata"
|
||||
],
|
||||
"graph_version": "1.0.0",
|
||||
"related_entities": [
|
||||
{
|
||||
"entity_id": "boca_juniors",
|
||||
"name": "Club Atlético Boca Juniors",
|
||||
"relation_type": "RIVAL_OF",
|
||||
"weight": 0.9,
|
||||
"aliases": ["Boca Juniors", "Boca", "Xeneize"],
|
||||
"scope": "derby"
|
||||
},
|
||||
{
|
||||
"entity_id": "estadio_monumental",
|
||||
"name": "Estadio Mâs Monumental",
|
||||
"relation_type": "HOME_VENUE_OF",
|
||||
"weight": 0.95,
|
||||
"aliases": ["Monumental", "El Monumental", "Estadio Monumental", "Antonio Vespucio Liberti"],
|
||||
"scope": "venue"
|
||||
},
|
||||
{
|
||||
"entity_id": "copa_libertadores",
|
||||
"name": "Copa Libertadores",
|
||||
"relation_type": "COMPETES_IN",
|
||||
"weight": 0.85,
|
||||
"aliases": ["Libertadores", "Conmebol Libertadores"],
|
||||
"scope": "tournament"
|
||||
},
|
||||
{
|
||||
"entity_id": "copa_sudamericana",
|
||||
"name": "Copa Sudamericana",
|
||||
"relation_type": "COMPETES_IN",
|
||||
"weight": 0.85,
|
||||
"aliases": ["Sudamericana", "Conmebol Sudamericana"],
|
||||
"scope": "tournament"
|
||||
},
|
||||
{
|
||||
"entity_id": "eduardo_coudet",
|
||||
"name": "Eduardo Coudet",
|
||||
"relation_type": "MANAGER_OF",
|
||||
"weight": 0.8,
|
||||
"aliases": ["Chacho Coudet", "Coudet"],
|
||||
"scope": "staff"
|
||||
},
|
||||
{
|
||||
"entity_id": "marcelo_gallardo",
|
||||
"name": "Marcelo Gallardo",
|
||||
"relation_type": "ICONIC_MANAGER_OF",
|
||||
"weight": 0.8,
|
||||
"aliases": ["Gallardo", "Muñeco Gallardo"],
|
||||
"scope": "staff"
|
||||
}
|
||||
]
|
||||
}
|
||||
@@ -158,10 +158,10 @@
|
||||
"156": "Los puntajes de River vs. Independiente Santa Fe, por la Copa Sudamericana - TyC Sports",
|
||||
"157": "valid_newspaper4k.md",
|
||||
"158": "valid_readability.md",
|
||||
"159": "test_normalize_date_rfc_2822_variants",
|
||||
"159": "test_normalize_list_author_url_filtering",
|
||||
"160": "test_normalize_date_invalid_and_placeholders",
|
||||
"161": "test_metadata_priority_title_all_fallbacks",
|
||||
"162": "test_metadata_priority_subtitle_omitted_when_equal_to_title",
|
||||
"163": "test_metadata_priority_first_valid_source_no_cross_merging",
|
||||
"161": "test_normalize_list_deduplication_preserves_case_and_order",
|
||||
"162": "test_normalize_date_iso_8601_variants",
|
||||
"163": "test_metadata_priority_original_url_all_fallbacks",
|
||||
"164": "test_normalize_scalar_non_string_types"
|
||||
}
|
||||
|
||||
@@ -1 +1 @@
|
||||
{"0": "36bdb6f09c457f7c", "1": "8c5bf6244cf710c6", "2": "efbcc9c62a3ee78b", "3": "8599153989b07faa", "4": "b5952a1f7fee9f20", "5": "5b8462a3f82d188c", "6": "80f79e9e2011a3e3", "7": "4654167fd211d027", "8": "50acfa00fe353440", "9": "c6d2f770737823f1", "10": "44f2ca451aea24be", "11": "feaac5ab67a8c17a", "12": "b71bd92e5edbf2e0", "13": "219d65ba6d2689e4", "14": "8e30bb8112fd02d1", "15": "03906ab80b99db85", "16": "5d51c60ba1bc2be0", "17": "a1da914f522dcd21", "18": "fbad840891b90569", "19": "0686ff2d6fe29fb3", "20": "060baa9e1924b465", "21": "a5c8f2c3080b8243", "22": "0d76852f1d29eeb1", "23": "6ff68619f2d72924", "24": "3da11675eee7ec46", "25": "a6696589e9556f97", "26": "6c752999e8a4d4b6", "27": "2d4e13ea2111d750", "28": "4b60cb0ee1ac186a", "29": "f56fbca9bb8235ec", "30": "c7beed940704509f", "31": "38be2d254fb31ae8", "32": "ee5596fcf7e7c0b3", "33": "e4d4e0a440bc599f", "34": "c897e49c001acdae", "35": "3aad272a2cf5d495", "36": "0a197439d306b956", "37": "f43acf5c8b1329af", "38": "6775efafc9b33338", "39": "8176a164778526f9", "40": "66b69189c0acc3ff", "41": "0322ff824966a4d8", "42": "784c9e3d336a7f53", "43": "4b8bb6c3f7b64856", "44": "18c0ff3e6225bcb2", "45": "0e7fcc21c22f118e", "46": "58f3596265f5f902", "47": "4de4f30d96344790", "48": "779ea305cb4270dc", "49": "0d0f9f015921feef", "50": "8d0c81e5ca23e9a6", "51": "f79963571b9c15ee", "52": "5935824c825606cb", "53": "9685f9cbe158e50b", "54": "3d5ab759f350bc79", "55": "d549f24931a990e9", "56": "3cc031dcb648797c", "57": "a0ab88e6c629251d", "58": "76bd6412e2a22ecd", "59": "54827845564490c9", "60": "0a9736c416c0c6b9", "61": "77358620ac528153", "62": "3b0c585df09df48a", "63": "7e78cd3b28828c20", "64": "1c0c958231735f61", "65": "60b0f81225f62f69", "66": "920754c65cc94b88", "67": "df911472140a9b94", "68": "8e17bc11bcea91b9", "69": "7e905b75e4f28b95", "70": "a28424eca5d36c55", "71": "2cdb53d5b6051ab6", "72": "e42fbd3dc744e730", "73": "7fe2cac980de160c", "74": "2b1343a6a9db1487", "75": "54a1bb232f1d4ceb", "76": "442ba11d31ec0e0a", "77": "852a25b8b95bf8d1", "78": "1810ab370b9cd608", "79": "0fc5dca02a3f02f6", "80": "6ff8a97e63c9a2f3", "81": "a38f84ae3d895236", "82": "dc6ddc157a3b9efb", "83": "a05140495d7a0353", "84": "24ca89fec34df075", "85": "f8bfd0cfe9e8b478", "86": "410d15a346bd5894", "87": "6b41d288cfd834ab", "88": "5aa6db96312a8811", "89": "80225792bb62ba04", "90": "e18a0a239fe528ba", "91": "d4579c5b7aa2742a", "92": "7b9ba7c3bff11361", "93": "71cd9c1fa4a857f0", "94": "34cd980be3c32d21", "95": "970093453f3b7d90", "96": "9e96780a2b7c4bd6", "97": "0b41ca143bd19d3a", "98": "089ea6a55861c693", "99": "683812f7e5020d43", "100": "8c97d8c400895e15", "101": "55faed4f78d00dd4", "102": "6aa00d5a83295f11", "103": "f58668f5b10ccdeb", "104": "4ec787414cc6f50b", "105": "1cf3077fd45d874a", "106": "edcd5d9bb3c4b00f", "107": "37f2f47110fe3eaa", "108": "b7ad5abb1da8cf8d", "109": "cb48a9c4f54efa38", "110": "f6dd36fd7f3edbe5", "111": "2925b620f0b1fd17", "112": "d8b3099917c3b711", "113": "3bb61caa0302c804", "114": "0d4f1d08dd056bb9", "115": "4ac2dcddeec2ff11", "116": "07da9aae9668f573", "117": "196f63e0c4536d30", "118": "ade84262e3cfac12", "119": "ebe4e5e0c42c613f", "120": "27256931b19a2867", "121": "5396e68ca6c185ad", "122": "aa8a1de55696b666", "123": "96618c9a362af46c", "124": "83f104cbb62fd03e", "125": "6db738fb27190349", "126": "6a087a22cbcef972", "127": "85fd71a0cad8d3a5", "128": "22dd4feed96c4229", "129": "c4d2f60f532e6f16", "130": "f6b0aa8a1568926b", "131": "bf5dd1f3361b9d31", "132": "67ea4284cbc02c54", "133": "d899cfc86c7a4a27", "134": "ba9464410a9b4168", "135": "5406c193e79cdc9e", "136": "521f5c7b9d566b4d", "137": "9e37828bdd2ba8c5", "138": "ec03c97194c56f91", "139": "f4e6d5dfa30034c5", "140": "b48c7d99e847e352", "141": "1e0330b8757f333e", "142": "f35d75e1194c008d", "143": "4d2ae7190b514a34", "144": "4a98716cabf43f86", "145": "c80d7bdacb7f0aa3", "146": "edc785fd71bb0675", "147": "4c7347f8f86e1fbd", "148": "8ca77cc4fd6fd437", "149": "09850697b717469a", "150": "f4f4ce1a1180ddb1", "151": "e426746f6e9ee15f", "152": "3d72689c6c4d76be", "153": "3eef4100c7957556", "154": "56747bad6345d66b", "155": "a8e7498fa7e257df", "156": "56e7b2355898077f", "157": "f2fc88f7d8214711", "158": "c966f6f8570c8c29", "159": "3846d1135f02ad84", "160": "d19878b60c21c9dc", "161": "f288304e804126ee", "162": "fe285d17e79eaab7", "163": "97e7e26a5ea11e7a", "164": "bc4c32aee32f28c8"}
|
||||
{"0": "36bdb6f09c457f7c", "1": "8c5bf6244cf710c6", "2": "efbcc9c62a3ee78b", "3": "8599153989b07faa", "4": "b5952a1f7fee9f20", "5": "5b8462a3f82d188c", "6": "80f79e9e2011a3e3", "7": "4654167fd211d027", "8": "50acfa00fe353440", "9": "c6d2f770737823f1", "10": "44f2ca451aea24be", "11": "feaac5ab67a8c17a", "12": "b71bd92e5edbf2e0", "13": "219d65ba6d2689e4", "14": "8e30bb8112fd02d1", "15": "03906ab80b99db85", "16": "5d51c60ba1bc2be0", "17": "a1da914f522dcd21", "18": "fbad840891b90569", "19": "0686ff2d6fe29fb3", "20": "060baa9e1924b465", "21": "a5c8f2c3080b8243", "22": "0d76852f1d29eeb1", "23": "6ff68619f2d72924", "24": "3da11675eee7ec46", "25": "a6696589e9556f97", "26": "6c752999e8a4d4b6", "27": "2d4e13ea2111d750", "28": "4b60cb0ee1ac186a", "29": "f56fbca9bb8235ec", "30": "c7beed940704509f", "31": "38be2d254fb31ae8", "32": "ee5596fcf7e7c0b3", "33": "e4d4e0a440bc599f", "34": "c897e49c001acdae", "35": "3aad272a2cf5d495", "36": "0a197439d306b956", "37": "f43acf5c8b1329af", "38": "6775efafc9b33338", "39": "8176a164778526f9", "40": "66b69189c0acc3ff", "41": "0322ff824966a4d8", "42": "784c9e3d336a7f53", "43": "4b8bb6c3f7b64856", "44": "18c0ff3e6225bcb2", "45": "0e7fcc21c22f118e", "46": "58f3596265f5f902", "47": "4de4f30d96344790", "48": "41da3f4214d41862", "49": "0d0f9f015921feef", "50": "8d0c81e5ca23e9a6", "51": "f79963571b9c15ee", "52": "5935824c825606cb", "53": "9685f9cbe158e50b", "54": "3d5ab759f350bc79", "55": "d549f24931a990e9", "56": "3cc031dcb648797c", "57": "a0ab88e6c629251d", "58": "76bd6412e2a22ecd", "59": "54827845564490c9", "60": "0a9736c416c0c6b9", "61": "77358620ac528153", "62": "3b0c585df09df48a", "63": "7e78cd3b28828c20", "64": "1c0c958231735f61", "65": "60b0f81225f62f69", "66": "920754c65cc94b88", "67": "df911472140a9b94", "68": "8e17bc11bcea91b9", "69": "7e905b75e4f28b95", "70": "a28424eca5d36c55", "71": "2cdb53d5b6051ab6", "72": "e42fbd3dc744e730", "73": "7fe2cac980de160c", "74": "2b1343a6a9db1487", "75": "54a1bb232f1d4ceb", "76": "442ba11d31ec0e0a", "77": "852a25b8b95bf8d1", "78": "1810ab370b9cd608", "79": "0fc5dca02a3f02f6", "80": "6ff8a97e63c9a2f3", "81": "a38f84ae3d895236", "82": "dc6ddc157a3b9efb", "83": "a05140495d7a0353", "84": "24ca89fec34df075", "85": "f8bfd0cfe9e8b478", "86": "410d15a346bd5894", "87": "6b41d288cfd834ab", "88": "5aa6db96312a8811", "89": "80225792bb62ba04", "90": "e18a0a239fe528ba", "91": "d4579c5b7aa2742a", "92": "7b9ba7c3bff11361", "93": "71cd9c1fa4a857f0", "94": "34cd980be3c32d21", "95": "970093453f3b7d90", "96": "9e96780a2b7c4bd6", "97": "b7c10b0e09caac0b", "98": "089ea6a55861c693", "99": "b4fe3d520c1fee9a", "100": "8c97d8c400895e15", "101": "55faed4f78d00dd4", "102": "6aa00d5a83295f11", "103": "f58668f5b10ccdeb", "104": "4ec787414cc6f50b", "105": "1cf3077fd45d874a", "106": "edcd5d9bb3c4b00f", "107": "37f2f47110fe3eaa", "108": "b7ad5abb1da8cf8d", "109": "cb48a9c4f54efa38", "110": "f6dd36fd7f3edbe5", "111": "2925b620f0b1fd17", "112": "d8b3099917c3b711", "113": "3bb61caa0302c804", "114": "0d4f1d08dd056bb9", "115": "4ac2dcddeec2ff11", "116": "07da9aae9668f573", "117": "196f63e0c4536d30", "118": "ade84262e3cfac12", "119": "ebe4e5e0c42c613f", "120": "27256931b19a2867", "121": "5396e68ca6c185ad", "122": "aa8a1de55696b666", "123": "96618c9a362af46c", "124": "83f104cbb62fd03e", "125": "6db738fb27190349", "126": "6a087a22cbcef972", "127": "85fd71a0cad8d3a5", "128": "22dd4feed96c4229", "129": "c4d2f60f532e6f16", "130": "f6b0aa8a1568926b", "131": "633a2029dd2fc8e8", "132": "67ea4284cbc02c54", "133": "d899cfc86c7a4a27", "134": "ba9464410a9b4168", "135": "0b1a09562254038e", "136": "521f5c7b9d566b4d", "137": "9e37828bdd2ba8c5", "138": "ec03c97194c56f91", "139": "f4e6d5dfa30034c5", "140": "94280631e0d38796", "141": "1e0330b8757f333e", "142": "f35d75e1194c008d", "143": "4d2ae7190b514a34", "144": "4a98716cabf43f86", "145": "0270e11190087cea", "146": "edc785fd71bb0675", "147": "4c7347f8f86e1fbd", "148": "8ca77cc4fd6fd437", "149": "09850697b717469a", "150": "f4f4ce1a1180ddb1", "151": "e426746f6e9ee15f", "152": "3f9db1282dfb2a7e", "153": "fc1af7f79936134a", "154": "56747bad6345d66b", "155": "a8e7498fa7e257df", "156": "56e7b2355898077f", "157": "f2fc88f7d8214711", "158": "c966f6f8570c8c29", "159": "dd0e66a92d9d67a8", "160": "bf44eb423b3a9ac2", "161": "c8ca209168c5125d", "162": "ec7a7324fb6c3680", "163": "6c6e3486c0ffb834", "164": "4bc6f88cad2f1d07"}
|
||||
@@ -98,7 +98,7 @@
|
||||
"96": "readiness.md",
|
||||
"97": "🧠 TextNLPClassifierApp",
|
||||
"98": "Extraction Pipeline Checklist: Article Content Multi-Engine Extractor",
|
||||
"99": "sample_rss_xml",
|
||||
"99": "parametrize",
|
||||
"100": "models.py",
|
||||
"101": "ECPSnapshot",
|
||||
"102": "Feature Specification: Multilingual NLP Entity Inherence Classifier (POC)",
|
||||
@@ -116,7 +116,7 @@
|
||||
"114": "JSON Schema Contract: Article Content Multi-Engine Extractor",
|
||||
"115": "PRD — Seleção determinística da biblioteca de extração de conteúdo",
|
||||
"116": "select_article_extractor.py",
|
||||
"117": "Research & Architectural Decisions: Deterministic Content Selection",
|
||||
"117": "1. Text Normalization Pipeline",
|
||||
"118": "Tasks: Deterministic Article Content Selection",
|
||||
"119": "select_article_extractor",
|
||||
"120": "process_batch",
|
||||
@@ -148,16 +148,20 @@
|
||||
"146": "Specification Quality Checklist: Convert Article JSON to Markdown",
|
||||
"147": "CLI Contract: `convert_article_to_markdown.py`",
|
||||
"148": "9. Interface CLI",
|
||||
"149": "1. Text Normalization Pipeline",
|
||||
"149": "get_hl_gl_ceid",
|
||||
"150": "13. Estratégia de testes",
|
||||
"151": "6. Contrato de entrada",
|
||||
"152": "assemble_markdown_document",
|
||||
"153": "convert_html_to_markdown",
|
||||
"154": "remove_duplicate_initial_h1",
|
||||
"154": "JSON Schema Contract: Deterministic Article Content Selection",
|
||||
"155": "5. Escopo",
|
||||
"156": "Los puntajes de River vs. Independiente Santa Fe, por la Copa Sudamericana - TyC Sports",
|
||||
"157": "valid_newspaper4k.md",
|
||||
"158": "valid_readability.md",
|
||||
"159": "test_normalize_list_strings_and_deduplication",
|
||||
"160": "test_validate_url_schemes"
|
||||
"159": "test_normalize_date_rfc_2822_variants",
|
||||
"160": "test_normalize_date_invalid_and_placeholders",
|
||||
"161": "test_metadata_priority_title_all_fallbacks",
|
||||
"162": "test_metadata_priority_subtitle_omitted_when_equal_to_title",
|
||||
"163": "test_metadata_priority_first_valid_source_no_cross_merging",
|
||||
"164": "test_normalize_scalar_non_string_types"
|
||||
}
|
||||
|
||||
@@ -1,11 +1,11 @@
|
||||
# Graph Report - TextNLPClassifierApp (2026-08-21)
|
||||
|
||||
## Corpus Check
|
||||
- 199 files · ~107,634 words
|
||||
- 199 files · ~108,365 words
|
||||
- Verdict: corpus is large enough that graph structure adds value.
|
||||
|
||||
## Summary
|
||||
- 1504 nodes · 1860 edges · 161 communities (118 shown, 43 thin omitted)
|
||||
- 1527 nodes · 1899 edges · 165 communities (118 shown, 47 thin omitted)
|
||||
- Extraction: 97% EXTRACTED · 3% INFERRED · 0% AMBIGUOUS · INFERRED: 51 edges (avg confidence: 0.95)
|
||||
- Token cost: 0 input · 0 output
|
||||
|
||||
@@ -109,7 +109,7 @@
|
||||
- CLI Contract: Google News Headlines Extractor
|
||||
- 🧠 TextNLPClassifierApp
|
||||
- Extraction Pipeline Checklist: Article Content Multi-Engine Extractor
|
||||
- sample_rss_xml
|
||||
- parametrize
|
||||
- models.py
|
||||
- ECPSnapshot
|
||||
- Feature Specification: Multilingual NLP Entity Inherence Classifier (POC)
|
||||
@@ -126,7 +126,7 @@
|
||||
- JSON Schema Contract: Article Content Multi-Engine Extractor
|
||||
- PRD — Seleção determinística da biblioteca de extração de conteúdo
|
||||
- select_article_extractor.py
|
||||
- Research & Architectural Decisions: Deterministic Content Selection
|
||||
- 1. Text Normalization Pipeline
|
||||
- Tasks: Deterministic Article Content Selection
|
||||
- select_article_extractor
|
||||
- process_batch
|
||||
@@ -139,7 +139,6 @@
|
||||
- Quickstart: Deterministic Article Content Selection
|
||||
- Specification Quality Checklist: Deterministic Content Selection
|
||||
- CLI Interface Contract: Deterministic Article Content Selection
|
||||
- 004-deterministic-content-selection/spec.md
|
||||
- convert_article_to_markdown.py
|
||||
- 8. Regras funcionais
|
||||
- 12. Critérios de aceite
|
||||
@@ -158,18 +157,22 @@
|
||||
- Specification Quality Checklist: Convert Article JSON to Markdown
|
||||
- CLI Contract: `convert_article_to_markdown.py`
|
||||
- 9. Interface CLI
|
||||
- 1. Text Normalization Pipeline
|
||||
- get_hl_gl_ceid
|
||||
- 13. Estratégia de testes
|
||||
- 6. Contrato de entrada
|
||||
- assemble_markdown_document
|
||||
- convert_html_to_markdown
|
||||
- remove_duplicate_initial_h1
|
||||
- JSON Schema Contract: Deterministic Article Content Selection
|
||||
- 5. Escopo
|
||||
- Los puntajes de River vs. Independiente Santa Fe, por la Copa Sudamericana - TyC Sports
|
||||
- valid_newspaper4k.md
|
||||
- valid_readability.md
|
||||
- test_normalize_list_strings_and_deduplication
|
||||
- test_validate_url_schemes
|
||||
- test_normalize_date_rfc_2822_variants
|
||||
- test_normalize_date_invalid_and_placeholders
|
||||
- test_metadata_priority_title_all_fallbacks
|
||||
- test_metadata_priority_subtitle_omitted_when_equal_to_title
|
||||
- test_metadata_priority_first_valid_source_no_cross_merging
|
||||
- test_normalize_scalar_non_string_types
|
||||
|
||||
## God Nodes (most connected - your core abstractions)
|
||||
1. `ECPSnapshot` - 31 edges
|
||||
@@ -181,12 +184,12 @@
|
||||
7. `PRD — Conversão de artigo JSON para Markdown` - 16 edges
|
||||
8. `process_batch()` - 15 edges
|
||||
9. `8. Regras funcionais` - 15 edges
|
||||
10. `process_batch()` - 14 edges
|
||||
10. `resolve_article_metadata()` - 14 edges
|
||||
|
||||
## Surprising Connections (you probably didn't know these)
|
||||
- `main()` --uses--> `ECPSnapshot` [INFERRED]
|
||||
classify.py → src/models.py
|
||||
- `test_extract_google_news_orchestration_mocked()` --uses--> `ExtractionResult` [INFERRED]
|
||||
- `test_e2e_extract_google_news_live_pipeline()` --uses--> `ExtractionResult` [INFERRED]
|
||||
tests/test_extract_google_news.py → scripts/extract_google_news.py
|
||||
- `classifier()` --uses--> `InherenceClassifier` [INFERRED]
|
||||
tests/test_benchmark_24.py → src/classifier.py
|
||||
@@ -198,7 +201,7 @@
|
||||
## Import Cycles
|
||||
- None detected.
|
||||
|
||||
## Communities (161 total, 43 thin omitted)
|
||||
## Communities (165 total, 47 thin omitted)
|
||||
|
||||
### Community 0 - "Task Planning"
|
||||
Cohesion: 0.07
|
||||
@@ -353,8 +356,8 @@ Cohesion: 0.16
|
||||
Nodes (16): count_phrase_occurrences(), match_phrase_in_text(), Core deterministic classification engine (Tier 1 core)., Check if a normalized phrase appears in normalized text with word boundary…, Count occurrences of a phrase in text., Classify inherence of content against an ECP snapshot., extract_evidence_snippets(), extract_sentences() (+8 more)
|
||||
|
||||
### Community 48 - "test_convert_article_to_markdown.py"
|
||||
Cohesion: 0.08
|
||||
Nodes (23): Suíte de Testes Automatizados para Conversão de Artigo JSON para Markdown.…, Testa decodificação de entidades HTML, colapso de espaços e filtro de…, Testa a matriz determinística de prioridades dos metadados., Validação exata byte a byte da Golden Fixture de Trafilatura., Validação exata byte a byte da Golden Fixture de Newspaper4k., Validação exata byte a byte da Golden Fixture de Readability., Testa geração do arquivo de saída padrão <input_stem>.md., Testa rejeição com código 1 quando a entrada contém a chave articles. (+15 more)
|
||||
Cohesion: 0.07
|
||||
Nodes (27): Suíte de Testes Automatizados para Conversão de Artigo JSON para Markdown.…, Testa deduplicação case-insensitive preservando a grafia e ordem da primeira…, Valida parsing de datas ISO 8601 em múltiplos formatos e fusos., Valida a cadeia de fallback completa para a URL ORIGINAL (5 níveis)., Valida decodificação de entidades HTML nomeadas e numéricas., Valida colapso de tabs, quebras de linha e espaços múltiplos em um único espaço., Garante correspondência exata byte a byte para Trafilatura, Newspaper4k e…, Garante que múltiplas execuções no mesmo arquivo produzam hashes SHA-256… (+19 more)
|
||||
|
||||
### Community 80 - "test_extract_article_contents.py"
|
||||
Cohesion: 0.06
|
||||
@@ -365,16 +368,16 @@ Cohesion: 0.08
|
||||
Nodes (24): 1. Visão geral (arquitetura), 2.1 DTO de entrada (`googlenews_etl/application/dtos/extract_news_dto.py`), 2.2 Value Object de validação (`googlenews_etl/domain/entities/search_query.py`), 2. Entrada, 3.1 O caso de uso (`googlenews_etl/application/use_cases/extract_news_use_case.py`), 3.2 A porta (`googlenews_etl/domain/ports/news_extractor_port.py`), 3.3.1 Inicialização: sessão HTTP com impersonação de browser, 3.3.2 Mapeamento idioma → parâmetros `hl`/`gl` (`_get_hl_gl`) (+16 more)
|
||||
|
||||
### Community 82 - "extract_google_news.py"
|
||||
Cohesion: 0.15
|
||||
Nodes (18): extract_google_news(), _fetch_rss_content(), get_hl_gl_ceid(), NewsArticle, _normalize_text_for_comparison(), parse_google_news_rss(), Mapeia idioma e locale para os parâmetros hl, gl e ceid do Google News., Remove pontuação e espaços extras para comparação de redundância. (+10 more)
|
||||
Cohesion: 0.20
|
||||
Nodes (14): extract_google_news(), _fetch_rss_content(), NewsArticle, _normalize_text_for_comparison(), parse_google_news_rss(), Remove pontuação e espaços extras para comparação de redundância., Parseia o XML do RSS do Google News e extrai os itens estruturados., Resolve em paralelo as URLs intermediárias do Google News para os links finais… (+6 more)
|
||||
|
||||
### Community 83 - "ExtractionResult"
|
||||
Cohesion: 0.29
|
||||
Nodes (5): ExtractionResult, Any, Resultado consolidado da extração., Valida E2E o fluxo completo de busca, parsing e resolução de URLs reais ao vivo., test_e2e_extract_google_news_live_pipeline()
|
||||
Nodes (5): ExtractionResult, Any, Resultado consolidado da extração., Valida a consolidação do ExtractionResult a partir da busca mockada com URLs…, test_extract_google_news_orchestration_mocked()
|
||||
|
||||
### Community 84 - "test_extract_google_news.py"
|
||||
Cohesion: 0.15
|
||||
Nodes (15): Resolve a URL intermediária do Google News para a URL real do veículo., resolve_article_url(), Testes unitários e de integração para o Extrator de Manchetes do Google News.…, Valida fallback gracioso de URL quando não é link do Google News ou em erro., Valida resolução bem-sucedida de URL do Google News para o portal destino., Valida E2E que o decodificador resolve uma URL real do Google News para o…, Valida o mapeamento padrão de idiomas para pares (hl, gl, ceid)., Valida a sobrescrita geográfica quando o argumento locale é especificado. (+7 more)
|
||||
Cohesion: 0.16
|
||||
Nodes (14): Resolve a URL intermediária do Google News para a URL real do veículo., resolve_article_url(), fixture, Testes unitários e de integração para o Extrator de Manchetes do Google News.…, Valida o parsing do feed RSS, higienização de tags HTML e deduplicação., Valida fallback gracioso de URL quando não é link do Google News ou em erro., Valida resolução bem-sucedida de URL do Google News para o portal destino., Valida E2E que o decodificador resolve uma URL real do Google News para o… (+6 more)
|
||||
|
||||
### Community 85 - "Implementation Tasks: Google News Headlines Extractor"
|
||||
Cohesion: 0.14
|
||||
@@ -394,7 +397,7 @@ Nodes (7): Architecture & Pipeline, Documentation (this feature), Implementation
|
||||
|
||||
### Community 90 - "SearchQuery"
|
||||
Cohesion: 0.20
|
||||
Nodes (6): Value Object com parâmetros de busca validados., SearchQuery, Valida a consolidação do ExtractionResult a partir da busca mockada com URLs…, Valida as regras de negócio e limites de SearchQuery., test_extract_google_news_orchestration_mocked(), test_search_query_validation()
|
||||
Nodes (6): Value Object com parâmetros de busca validados., SearchQuery, Valida E2E o fluxo completo de busca, parsing e resolução de URLs reais ao vivo., Valida as regras de negócio e limites de SearchQuery., test_e2e_extract_google_news_live_pipeline(), test_search_query_validation()
|
||||
|
||||
### Community 91 - "1. Technical Decisions & Tradeoffs"
|
||||
Cohesion: 0.25
|
||||
@@ -424,17 +427,17 @@ Nodes (45): 1. 🧠 Classificador de Conteúdo e Inerência (NLP / LLM / ECP), 1
|
||||
Cohesion: 0.05
|
||||
Nodes (34): 1. Requirement Completeness, 2. Requirement Clarity & Non-Ambiguity, 3. Requirement Consistency & Data Contracts, 4. Scenario & Edge Case Coverage, 5. Non-Functional & Operational Readiness, Extraction Pipeline Checklist: Article Content Multi-Engine Extractor, Notes, Content Quality (+26 more)
|
||||
|
||||
### Community 99 - "sample_rss_xml"
|
||||
Cohesion: 0.67
|
||||
Nodes (3): fixture, Fixture que fornece o conteúdo do XML de exemplo para testes offline., sample_rss_xml()
|
||||
### Community 99 - "parametrize"
|
||||
Cohesion: 0.22
|
||||
Nodes (9): parametrize, Garante aceitação de URLs absolutas com esquema HTTP e HTTPS válidos., Garante rejeição de esquemas não permitidos, URLs relativas e strings vazias., Garante que a ausência de corpo no extrator selecionado NUNCA faça fallback…, Garante que todos os placeholders documentados no PRD sejam descartados…, test_normalize_scalar_placeholders_discarded(), test_resolve_article_body_strict_isolation_all_extractors(), test_validate_url_invalid_schemes() (+1 more)
|
||||
|
||||
### Community 100 - "models.py"
|
||||
Cohesion: 0.15
|
||||
Nodes (17): emit_error(), main(), parse_args(), Namespace, ClassificationError, ErrorCode, MatchedGraphEntity, Enum (+9 more)
|
||||
|
||||
### Community 101 - "ECPSnapshot"
|
||||
Cohesion: 0.22
|
||||
Nodes (10): parametrize, ECPSnapshot, Any, classifier(), fixture, Controlled 24-case benchmark suite for Multilingual NLP Entity Inherence…, test_benchmark_case(), test_ecp_snapshot_defaults() (+2 more)
|
||||
Cohesion: 0.20
|
||||
Nodes (10): ECPSnapshot, Any, classifier(), fixture, parametrize, Controlled 24-case benchmark suite for Multilingual NLP Entity Inherence…, test_benchmark_case(), test_ecp_snapshot_defaults() (+2 more)
|
||||
|
||||
### Community 102 - "Feature Specification: Multilingual NLP Entity Inherence Classifier (POC)"
|
||||
Cohesion: 0.14
|
||||
@@ -492,9 +495,9 @@ Nodes (29): 10. Requisitos não funcionais, 11. Critérios de aceite, 12. Casos
|
||||
Cohesion: 0.14
|
||||
Nodes (19): ArticleSelectionResult, BatchProcessingResult, break_priority_tie(), calculate_consensus_metrics(), ExtractorCandidate, form_active_set(), main(), parse_args() (+11 more)
|
||||
|
||||
### Community 117 - "Research & Architectural Decisions: Deterministic Content Selection"
|
||||
Cohesion: 0.15
|
||||
Nodes (13): 2. 5-Token Shingles & Consensus Metrics, 3. Regras de Decisão, Empate Técnico e Desempate Hierárquico, 4. Estratégia de I/O Não Destrutiva e Escrita Atômica, Context, Context, Context, Decisions, Decisions (+5 more)
|
||||
### Community 117 - "1. Text Normalization Pipeline"
|
||||
Cohesion: 0.11
|
||||
Nodes (18): 1. Text Normalization Pipeline, 2. 5-Token Shingles & Consensus Metrics, 3. Regras de Decisão, Empate Técnico e Desempate Hierárquico, 4. Estratégia de I/O Não Destrutiva e Escrita Atômica, Alternatives Considered, Context, Context, Context (+10 more)
|
||||
|
||||
### Community 118 - "Tasks: Deterministic Article Content Selection"
|
||||
Cohesion: 0.11
|
||||
@@ -544,13 +547,9 @@ Nodes (5): Content Quality, Feature Readiness, Notes, Requirement Completeness,
|
||||
Cohesion: 0.33
|
||||
Nodes (5): 1. Command Syntax, 2. Arguments and Flags, 3. Standard Streams (I/O), 4. Exit Codes, CLI Interface Contract: Deterministic Article Content Selection
|
||||
|
||||
### Community 130 - "004-deterministic-content-selection/spec.md"
|
||||
Cohesion: 0.29
|
||||
Nodes (3): 1. Input JSON Schema, 2. Output JSON Schema, JSON Schema Contract: Deterministic Article Content Selection
|
||||
|
||||
### Community 131 - "convert_article_to_markdown.py"
|
||||
Cohesion: 0.23
|
||||
Nodes (15): _get_dict(), normalize_date(), normalize_list(), normalize_scalar(), Any, Interpreta datas ISO 8601 e RFC 2822 preservando fuso horário ou YYYY-MM-DD…, Valida se a URL é absoluta com protocolo http ou https e hostname não vazio., Retorna o dicionário associado à chave ou um dicionário vazio caso não seja… (+7 more)
|
||||
Cohesion: 0.19
|
||||
Nodes (17): _get_dict(), normalize_date(), normalize_list(), normalize_scalar(), Any, Interpreta datas ISO 8601 e RFC 2822 preservando fuso horário ou YYYY-MM-DD…, Valida se a URL é absoluta com protocolo http ou https e hostname não vazio., Retorna o dicionário associado à chave ou um dicionário vazio caso não seja… (+9 more)
|
||||
|
||||
### Community 132 - "8. Regras funcionais"
|
||||
Cohesion: 0.13
|
||||
@@ -565,8 +564,8 @@ Cohesion: 0.17
|
||||
Nodes (11): 10. Tratamento de erros, 14. Definition of Done, 15. Dependência técnica escolhida, 1. Visão geral, 2. Problema, 3. Objetivo, 4. História do usuário, 7.1 Arquivo (+3 more)
|
||||
|
||||
### Community 135 - "resolve_article_body"
|
||||
Cohesion: 0.17
|
||||
Nodes (12): Obtém o corpo do artigo exclusivamente do selected_extractor com fallback…, resolve_article_body(), Garante que falhe se o corpo do extrator selecionado for vazio, sem usar outro…, Garante que Trafilatura use diretamente o campo markdown., Garante que Trafilatura faça fallback para text se markdown estiver vazio., Garante conversão de HTML para Markdown para Newspaper4k., Garante conversão de HTML para Markdown para Readability., test_resolve_article_body_newspaper4k_html_conversion() (+4 more)
|
||||
Cohesion: 0.20
|
||||
Nodes (10): Obtém o corpo do artigo exclusivamente do selected_extractor com fallback…, resolve_article_body(), Testa prioridade trafilatura.markdown sobre trafilatura.text., Testa prioridade newspaper4k.article_html sobre newspaper4k.text., Testa prioridade readability.cleaned_html sobre readability.cleaned_text., Garante erro ao receber selected_extractor ausente ou não reconhecido., test_resolve_article_body_invalid_selected_extractor(), test_resolve_article_body_newspaper4k_primary_and_fallback() (+2 more)
|
||||
|
||||
### Community 136 - "Implementation Plan: Convert Article JSON to Markdown"
|
||||
Cohesion: 0.17
|
||||
@@ -585,8 +584,8 @@ Cohesion: 0.18
|
||||
Nodes (11): 1. Validação de Entrada, Tipagem & Isolamento de Lotes, 2. Isolamento Estrito de Extrator & Conversão de Conteúdo (HTML/MD), 3. Resolução Determinística de Metadados & Mapeamento de SELECIONADO, 4. Normalização de Escalares, Placeholders & Sanitização de Listas, 5. Normalização de Datas, Fusos & Validação Estrita de URLs, 6. Sanitização Editorial, Tratamento de Imagens & Título Duplicado, 7. Estrutura, Sintaxe do Markdown de Saída & Restrições, 8. Interface CLI, Tratamento de Erros & Atomicidade (+3 more)
|
||||
|
||||
### Community 140 - "convert_article"
|
||||
Cohesion: 0.22
|
||||
Nodes (9): clean_body_images(), convert_article(), Path, Preserva imagens com URL absoluta http/https, remove relativas/data:/vazias e…, Executa a leitura do JSON, validação, conversão e escrita atômica do arquivo…, Garante remoção de imagens relativas/data: e deduplicação de imagens idênticas., Testa diretamente a função convert_article em Python., test_clean_body_images_and_deduplicate() (+1 more)
|
||||
Cohesion: 0.15
|
||||
Nodes (13): clean_body_images(), convert_article(), Path, Remove o primeiro título H1 do corpo somente quando ele for igual ao título…, Preserva imagens com URL absoluta http/https, remove relativas/data:/vazias e…, Executa a leitura do JSON, validação, conversão e escrita atômica do arquivo…, remove_duplicate_initial_h1(), Testa remoção de H1 inicial coincidente com título com variações de espaços e… (+5 more)
|
||||
|
||||
### Community 141 - "005-convert-json-markdown/plan.md"
|
||||
Cohesion: 0.33
|
||||
@@ -606,7 +605,7 @@ Nodes (7): 11. Requisitos não funcionais, RNF-001 — Determinismo, RNF-002 —
|
||||
|
||||
### Community 145 - "parse_arguments"
|
||||
Cohesion: 0.29
|
||||
Nodes (7): main(), parse_arguments(), Namespace, Configura o parser de argumentos do CLI., Ponto de entrada do CLI., Testa diretamente o parsing de argumentos., test_parse_arguments_direct()
|
||||
Nodes (7): main(), parse_arguments(), Namespace, Configura o parser de argumentos do CLI., Ponto de entrada do CLI., Testa a chamada direta do parse_arguments., test_parse_arguments_api_direct()
|
||||
|
||||
### Community 146 - "Specification Quality Checklist: Convert Article JSON to Markdown"
|
||||
Cohesion: 0.33
|
||||
@@ -620,9 +619,9 @@ Nodes (5): 1. Script Signature, 2. Command-Line Arguments, 3. Exit Codes, 4. Sta
|
||||
Cohesion: 0.40
|
||||
Nodes (5): 9.1 Script, 9.2 Argumentos, 9.3 Exemplos, 9.4 Saída do processo, 9. Interface CLI
|
||||
|
||||
### Community 149 - "1. Text Normalization Pipeline"
|
||||
Cohesion: 0.40
|
||||
Nodes (5): 1. Text Normalization Pipeline, Alternatives Considered, Context, Decisions, Rationale
|
||||
### Community 149 - "get_hl_gl_ceid"
|
||||
Cohesion: 0.25
|
||||
Nodes (8): get_hl_gl_ceid(), Mapeia idioma e locale para os parâmetros hl, gl e ceid do Google News., Valida o mapeamento padrão de idiomas para pares (hl, gl, ceid)., Valida a sobrescrita geográfica quando o argumento locale é especificado., Valida fallback dinâmico para idiomas regionais não listados explicitamente., test_get_hl_gl_ceid_default_mappings(), test_get_hl_gl_ceid_dynamic_fallback(), test_get_hl_gl_ceid_with_custom_locale()
|
||||
|
||||
### Community 150 - "13. Estratégia de testes"
|
||||
Cohesion: 0.50
|
||||
@@ -634,15 +633,15 @@ Nodes (4): 6.1 Formato, 6.2 Valores aceitos para `selected_extractor`, 6.3 Campo
|
||||
|
||||
### Community 152 - "assemble_markdown_document"
|
||||
Cohesion: 0.50
|
||||
Nodes (4): assemble_markdown_document(), Monta a estrutura final do documento Markdown respeitando a ordem estrita do…, Testa a montagem completa da estrutura de seções do documento Markdown., test_assemble_markdown_document()
|
||||
Nodes (4): assemble_markdown_document(), Monta a estrutura final do documento Markdown respeitando a ordem estrita do…, Testa montagem com todos os campos e apenas com campos obrigatórios., test_assemble_markdown_document_full_and_minimal()
|
||||
|
||||
### Community 153 - "convert_html_to_markdown"
|
||||
Cohesion: 0.50
|
||||
Nodes (4): convert_html_to_markdown(), Converte HTML para Markdown usando títulos ATX., Testa diretamente a função convert_html_to_markdown., test_convert_html_to_markdown_basic()
|
||||
Cohesion: 0.33
|
||||
Nodes (6): convert_html_to_markdown(), Converte HTML para Markdown usando títulos ATX, removendo scripts e estilos., Valida conversão de elementos HTML estruturados para Markdown com títulos ATX., Testa conversão de HTML vazio retornando string vazia., test_convert_html_to_markdown_empty_or_whitespace(), test_convert_html_to_markdown_rich_formatting()
|
||||
|
||||
### Community 154 - "remove_duplicate_initial_h1"
|
||||
### Community 154 - "JSON Schema Contract: Deterministic Article Content Selection"
|
||||
Cohesion: 0.50
|
||||
Nodes (4): Remove o primeiro título H1 do corpo somente quando ele for igual ao título…, remove_duplicate_initial_h1(), Garante remoção apenas do H1 inicial que for idêntico ao título., test_remove_duplicate_initial_h1()
|
||||
Nodes (3): 1. Input JSON Schema, 2. Output JSON Schema, JSON Schema Contract: Deterministic Article Content Selection
|
||||
|
||||
### Community 155 - "5. Escopo"
|
||||
Cohesion: 0.67
|
||||
@@ -651,17 +650,13 @@ Nodes (3): 5.1 Incluído, 5.2 Fora do escopo, 5. Escopo
|
||||
## Knowledge Gaps
|
||||
- **696 isolated node(s):** `text-nlp-classifier`, `MatchedGraphEntity`, `graphify`, `Usage`, `What graphify is for` (+691 more)
|
||||
These have ≤1 connection - possible missing edges or undocumented components.
|
||||
- **43 thin communities (<3 nodes) omitted from report** — run `graphify query` to explore isolated nodes.
|
||||
- **47 thin communities (<3 nodes) omitted from report** — run `graphify query` to explore isolated nodes.
|
||||
|
||||
## Suggested Questions
|
||||
_Questions this graph is uniquely positioned to answer:_
|
||||
|
||||
- **Why does `PRD — Conversão de artigo JSON para Markdown` connect `PRD — Conversão de artigo JSON para Markdown` to `8. Regras funcionais`, `12. Critérios de aceite`, `11. Requisitos não funcionais`, `9. Interface CLI`, `13. Estratégia de testes`, `6. Contrato de entrada`, `5. Escopo`?**
|
||||
_High betweenness centrality (0.007) - this node is a cross-community bridge._
|
||||
- **Why does `Tasks: Convert Article JSON to Markdown` connect `Tasks: Convert Article JSON to Markdown` to `005-convert-json-markdown/plan.md`?**
|
||||
_High betweenness centrality (0.004) - this node is a cross-community bridge._
|
||||
- **Why does `Research & Architectural Decisions: Deterministic Content Selection` connect `Research & Architectural Decisions: Deterministic Content Selection` to `004-deterministic-content-selection/spec.md`, `1. Text Normalization Pipeline`?**
|
||||
_High betweenness centrality (0.003) - this node is a cross-community bridge._
|
||||
- **Are the 10 inferred relationships involving `ECPSnapshot` (e.g. with `main()` and `BaseNLPAdapter`) actually correct?**
|
||||
_`ECPSnapshot` has 10 INFERRED edges - model-reasoned connections that need verification._
|
||||
- **Are the 6 inferred relationships involving `InherenceClassifier` (e.g. with `LocalEmbeddingsAdapter` and `LLMFallbackAdapter`) actually correct?**
|
||||
@@ -670,3 +665,7 @@ _Questions this graph is uniquely positioned to answer:_
|
||||
_`ExtractorName` has 12 INFERRED edges - model-reasoned connections that need verification._
|
||||
- **Are the 10 inferred relationships involving `DecisionCategory` (e.g. with `InherenceClassifier` and `test_adversarial_apple_fruit_recipe()`) actually correct?**
|
||||
_`DecisionCategory` has 10 INFERRED edges - model-reasoned connections that need verification._
|
||||
- **What connects `text-nlp-classifier`, `MatchedGraphEntity`, `graphify` to the rest of the system?**
|
||||
_696 weakly-connected nodes found - possible documentation gaps or missing edges._
|
||||
- **Should `Task Planning` be split into smaller, more focused modules?**
|
||||
_Cohesion score 0.07407407407407407 - nodes in this community are weakly interconnected._
|
||||
+1546
-836
File diff suppressed because it is too large
Load Diff
@@ -654,9 +654,9 @@
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"README.md": {
|
||||
"mtime": 1787317667.2516665,
|
||||
"seen": 1787317712.8207479,
|
||||
"ast_hash": "73b6e2e7ff33db1b991b8470f29ee40f",
|
||||
"mtime": 1787318406.7167659,
|
||||
"seen": 1787318418.3361757,
|
||||
"ast_hash": "d007bb3f3e6ad04e5e63981899f662d6",
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"scripts/extract_article_contents.py": {
|
||||
@@ -816,15 +816,15 @@
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"scripts/convert_article_to_markdown.py": {
|
||||
"mtime": 1787317631.1342402,
|
||||
"seen": 1787317712.814934,
|
||||
"ast_hash": "f2550126b7ff9de09bbbe0ae03acbbca",
|
||||
"mtime": 1787318308.4358957,
|
||||
"seen": 1787318418.3304515,
|
||||
"ast_hash": "ae22787219cc382a19894270753d83d1",
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"tests/test_convert_article_to_markdown.py": {
|
||||
"mtime": 1787317613.930905,
|
||||
"seen": 1787317712.8166668,
|
||||
"ast_hash": "fc7d1b6d08037a85cf014fa4e8c70a70",
|
||||
"mtime": 1787318233.6574264,
|
||||
"seen": 1787318418.3321846,
|
||||
"ast_hash": "ebc2d3e6b40728ac95f2330c692b9276",
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"docs/prd_convert_json_markdown.md": {
|
||||
|
||||
@@ -1,7 +1,7 @@
|
||||
# Graph Report - TextNLPClassifierApp (2026-08-21)
|
||||
|
||||
## Corpus Check
|
||||
- 199 files · ~108,365 words
|
||||
- 200 files · ~108,772 words
|
||||
- Verdict: corpus is large enough that graph structure adds value.
|
||||
|
||||
## Summary
|
||||
@@ -10,7 +10,7 @@
|
||||
- Token cost: 0 input · 0 output
|
||||
|
||||
## Graph Freshness
|
||||
- Built from commit: `64dfd842`
|
||||
- Built from commit: `926a6b8c`
|
||||
- Run `git rev-parse HEAD` and compare to check if the graph is stale.
|
||||
- Run `graphify update .` after code changes (no API cost).
|
||||
|
||||
@@ -167,11 +167,11 @@
|
||||
- Los puntajes de River vs. Independiente Santa Fe, por la Copa Sudamericana - TyC Sports
|
||||
- valid_newspaper4k.md
|
||||
- valid_readability.md
|
||||
- test_normalize_date_rfc_2822_variants
|
||||
- test_normalize_list_author_url_filtering
|
||||
- test_normalize_date_invalid_and_placeholders
|
||||
- test_metadata_priority_title_all_fallbacks
|
||||
- test_metadata_priority_subtitle_omitted_when_equal_to_title
|
||||
- test_metadata_priority_first_valid_source_no_cross_merging
|
||||
- test_normalize_list_deduplication_preserves_case_and_order
|
||||
- test_normalize_date_iso_8601_variants
|
||||
- test_metadata_priority_original_url_all_fallbacks
|
||||
- test_normalize_scalar_non_string_types
|
||||
|
||||
## God Nodes (most connected - your core abstractions)
|
||||
@@ -357,7 +357,7 @@ Nodes (16): count_phrase_occurrences(), match_phrase_in_text(), Core determinist
|
||||
|
||||
### Community 48 - "test_convert_article_to_markdown.py"
|
||||
Cohesion: 0.07
|
||||
Nodes (27): Suíte de Testes Automatizados para Conversão de Artigo JSON para Markdown.…, Testa deduplicação case-insensitive preservando a grafia e ordem da primeira…, Valida parsing de datas ISO 8601 em múltiplos formatos e fusos., Valida a cadeia de fallback completa para a URL ORIGINAL (5 níveis)., Valida decodificação de entidades HTML nomeadas e numéricas., Valida colapso de tabs, quebras de linha e espaços múltiplos em um único espaço., Garante correspondência exata byte a byte para Trafilatura, Newspaper4k e…, Garante que múltiplas execuções no mesmo arquivo produzam hashes SHA-256… (+19 more)
|
||||
Nodes (27): Suíte de Testes Automatizados para Conversão de Artigo JSON para Markdown.…, Testa comportamento com listas vazias, nulas ou contendo apenas placeholders., Valida parsing de datas no formato RFC 2822 (usado em feeds RSS e cabeçalhos…, Valida a cadeia de fallback completa para o campo TÍTULO (6 níveis)., Garante que subtítulo idêntico ao título seja automaticamente omitido (None)., Valida decodificação de entidades HTML nomeadas e numéricas., Garante que listas de autores/tags usem apenas a primeira fonte válida, sem…, Garante correspondência exata byte a byte para Trafilatura, Newspaper4k e… (+19 more)
|
||||
|
||||
### Community 80 - "test_extract_article_contents.py"
|
||||
Cohesion: 0.06
|
||||
|
||||
+1
File diff suppressed because one or more lines are too long
+1
File diff suppressed because one or more lines are too long
+1
File diff suppressed because one or more lines are too long
Vendored
+1
-1
File diff suppressed because one or more lines are too long
File diff suppressed because one or more lines are too long
+592
-592
File diff suppressed because it is too large
Load Diff
@@ -654,9 +654,9 @@
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"README.md": {
|
||||
"mtime": 1787318406.7167659,
|
||||
"seen": 1787318418.3361757,
|
||||
"ast_hash": "d007bb3f3e6ad04e5e63981899f662d6",
|
||||
"mtime": 1787319775.4204426,
|
||||
"seen": 1787319817.9012172,
|
||||
"ast_hash": "f809a191cb40e8a0367c748b9c8d3e84",
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"scripts/extract_article_contents.py": {
|
||||
@@ -816,15 +816,15 @@
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"scripts/convert_article_to_markdown.py": {
|
||||
"mtime": 1787318308.4358957,
|
||||
"seen": 1787318418.3304515,
|
||||
"ast_hash": "ae22787219cc382a19894270753d83d1",
|
||||
"mtime": 1787318905.723034,
|
||||
"seen": 1787319817.895658,
|
||||
"ast_hash": "b58fbd8b426de464df2c269c32831583",
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"tests/test_convert_article_to_markdown.py": {
|
||||
"mtime": 1787318233.6574264,
|
||||
"seen": 1787318418.3321846,
|
||||
"ast_hash": "ebc2d3e6b40728ac95f2330c692b9276",
|
||||
"mtime": 1787318905.723034,
|
||||
"seen": 1787319817.8974621,
|
||||
"ast_hash": "95c041594afec14ed25bc237b7ff8b89",
|
||||
"semantic_hash": ""
|
||||
},
|
||||
"docs/prd_convert_json_markdown.md": {
|
||||
|
||||
Reference in New Issue
Block a user