Kinozal 2160145: после переобучения модель выбирала первую строку вкладки «Релиз»
(«Memoirs.of.a.Geisha.2005.2160p.UHD.Blu-ray.Remux…-CiNEPHiLES», оценка 0.96), и
имя релиза попадало в ответ как «студия». Прежние веса строку не выбирали.
- html_extract.RE_SCENE: без пробелов и ≥ 4 точек — дорожкой не бывает;
LineSegmenter.select_lines отбрасывает такие строки при любой оценке модели.
- build_examples: scene-имена — трудные негативы, берутся все (раньше прореживались
до 15 %); эффект — при следующем переобучении.
- На реальных данных страницы (вкладки Техданные/Интересно/Награды/Релиз):
1 дорожка «проф. дубляж», без студии. Тесты: 288 ok.
Co-Authored-By: Claude Sonnet 5.5 <[email protected]>
Парсер меток (rt_parse) требовал текст после «Перевод:» на той же строке, поэтому
раздачи с пустым «Перевод:» и списком «Профессиональный (…) | Студия» по строке на
дорожку (t=6919056, 6927571) не получали меток, релиз не сохранялся, а сегментатор
учился на их дорожках как на негативах. Теперь rt_bare_list берёт подряд идущие
строки со словом типа (через пустые строки; строки «тип: определение» —
глоссарий — не берутся). То же правило в html_extract.extract_segments.
На data/raw: +252 раздачи получают метки, в 12 добавляются недостающие дорожки.
PARSE_VERSION 3 -> 4 (переразбор при «Переиндексировать data/raw»). Тест rt_parse
на 6919056; 276 ok.
Co-Authored-By: Claude Sonnet 5.5 <[email protected]>
- html_extract: строки дорожек под пустым «Перевод:» берутся и через пустые
строки (в HTML после <br> стоит \n исходника — прежняя правка на реальной
странице rutracker t=6919056 отдавала 1 дорожку из 4); шаблон начала строки
требует полные слова типа озвучки.
- release: complete_block достраивает список, из которого модель выбрала не все
строки; segmenter_warning (+ лог) — модель и правила (без кодек-строк)
разошлись; поле segmenter_warning в ответе.
- docs: retrain-segmenter.md — как дообучить сегментатор, поле в api-reference.
- tests: 275 ok.
Co-Authored-By: Claude Sonnet 5.5 <[email protected]>
На rutracker дорожки бывают перечислены по одной на строку под
«Перевод:» без значения; правила брали только первую строку и теряли
остальные (t=6919056: 1 из 4, t=6927571: 1 из 7). Теперь берутся
подряд идущие строки, начинающиеся со слова типа озвучки.
Co-Authored-By: Claude Opus 5.5 <[email protected]>