fix(performers): drugie kryterium smieciowych performerow (tag przytlacza osobe)

Klasa "prawdziwy performer o pospolitej nazwie" okazala sie zawierac 211 rekordow,
ktore w ogole nie sa osobami, tylko kategoriami z refem kanonicznym: "Big Tits"
(931 scen), "Big Ass" (640), "Hardcore" (222), "Blonde" (238), "Masturbation".
TPDB i StashDB SAME zawieraja takie wpisy, wiec ref kanoniczny ich nie oczyszcza.

Kryterium promiskuitycznosci z poprzedniego commita tu NIE dziala i sprawdzenie tego
bylo kluczowe: w tej populacji obcy mierzy popularnosc, nie smieciowosc. Przy
wartosciach 50-59 stoja Adriana Chechik (4201 scen), Lauren Phillips, Jane Wilde i
Jordi El Nino Polla. Moja wczesniejsza walidacja progu 50 byla obciazona, bo grupa
bez refa to sami malo znani.

Rozstrzyga stosunek scen-z-tagiem do scen-performera, i to z uzasadnienia, nie z
probki: nazwisko uzyte jako wlasny tag daje stosunek ~1 Z DEFINICJI, bo tag siedzi
dokladnie na jej scenach. Potwierdzone na markach osobistych: Hotwifevictoria 1,02,
Rossmexicana 0,99, Sexwithmilfstella 0,87. Wielkie gwiazdy jeszcze nizej, maksimum
0,35 wsrod 921 pewnych osob. Kategorie: Hardcore 1720, Masturbation 1570, Blonde 770.
Prog 2 + wymog >=50 scen (ponizej stosunek jest szumem).

Skasowane 211 rekordow / ~32 tys. przypisan w dwoch przebiegach. Job idempotentny.
Ogon klasy jest zdrowy: z 8116 pozostalych 92% miesci sie ponizej 0,35.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

app/scheduler/junk_performers.py

@@ -25,8 +25,33 @@ właścicielem i partnerami ze sceny, kategoria z całym katalogiem. Zmierzone:
 Próg 50 leży ponad dwukrotnie powyżej najwyższej prawdziwej osoby. Dodatkowo chronimy
 nazwy w formacie „Imię Nazwisko", bo sygnał studia (odrzucony) wciągał marki osobiste.
 
+**Drugie kryterium: tag przytłacza performera.** Promiskuityczność zawodzi dla śmieci,
+które mają ref kanoniczny — bo TPDB i StashDB SAME zawierają wpisy „Hardcore", „Blonde",
+„Masturbation", „Amateur". Co gorsza, `obcy` mierzy tam popularność, nie śmieciowość:
+przy wartości 50-59 stoją Adriana Chechik (4201 scen), Lauren Phillips i Jane Wilde.
+
+Rozstrzyga stosunek `scen z tagiem / scen performera`. Nazwisko-tag siedzi głównie na
+scenach swojej właścicielki, więc stosunek jest ułamkiem; kategoria wisi na całym
+katalogu, więc idzie w setki:
+
+    Hardcore 1720,6   Masturbation 1570,4   Blonde 770,0   Anal Creampie 31,4
+    najwyższy wśród 921 PEWNYCH osób (ref kanoniczny + ≥500 scen): **0,35**
+
+**Próg 2 wynika z zasady, nie z próbki.** Nazwisko użyte jako własny tag daje stosunek
+≈1 Z DEFINICJI, bo tag siedzi dokładnie na scenach swojej właścicielki — potwierdzone na
+twórcach z własną marką: Hotwifevictoria 1,02, Rossmexicana 0,99, Sexwithmilfstella 0,87.
+Wielkie gwiazdy mają jeszcze mniej (tuby tagują tylko część ich scen). Stosunek ≥2
+oznacza więc, że słowo jest doklejane do scen, które do tej osoby nie należą.
+
+Wymóg ≥50 scen odcina szum przy małych liczbach (przy 11 scenach „Denzel" wychodził na
+161, ale to za mało danych, żeby przesądzać). Przy progu 2 na 78 trafień dwa są
+dyskusyjne („Teddy", „Grey" mogą być nazwiskami) — ale i one mają tag rozlany na 3×
+więcej scen, niż mają przypisań, więc ich atrybucje i tak są w większości słowne.
+
 Job, nie bramka w `resolve_performer`: kasowanie cyklem nie dotyka gorącej ścieżki
-ingestu, a śmieci i tak odrastają wolno. Ta sama logika co przy [[phash_blacklist]].
+ingestu, a śmieci i tak odrastają wolno. Dotyczy to zwłaszcza tego drugiego kryterium,
+bo tamte rekordy odtwarza sam ingest TPDB/StashDB. Ta sama logika co przy
+[[phash_blacklist]].
 """
 from __future__ import annotations
 
@@ -40,6 +65,11 @@ log = logging.getLogger(__name__)
 #: Ponad 2× powyżej najwyższej zmierzonej prawdziwej osoby (Julia Reaves, 20).
 DEFAULT_MIN_FOREIGN_PERFORMERS = 50
 
+#: 2× powyżej naturalnej wartości dla nazwiska użytego jako własny tag (≈1).
+DEFAULT_MIN_TAG_RATIO = 2
+#: Poniżej tego stosunek jest szumem — za mało scen, żeby cokolwiek przesądzać.
+DEFAULT_MIN_SCENES_FOR_RATIO = 50
+
 _SELECT_SQL = """
 WITH junk AS (
   SELECT pf.id, pf.canonical_name, pf.slug
@@ -63,8 +93,33 @@ WHERE (
 """
 
 
-def find_junk_performers(session: Session, *, min_foreign: int = DEFAULT_MIN_FOREIGN_PERFORMERS):
+_RATIO_SQL = """
-    return [r[0] for r in session.execute(text(_SELECT_SQL), {"min_foreign": min_foreign})]
+SELECT pf.id
+FROM performers pf
+WHERE EXISTS (SELECT 1 FROM tags t WHERE t.slug = pf.slug)
+  AND (SELECT count(*) FROM scene_performers sp WHERE sp.performer_id = pf.id) >= :min_scenes
+  AND (SELECT count(*) FROM scene_tags st JOIN tags t ON t.id = st.tag_id WHERE t.slug = pf.slug)::numeric
+      / NULLIF((SELECT count(*) FROM scene_performers sp WHERE sp.performer_id = pf.id), 0) >= :min_ratio
+"""
+
+
+def find_junk_performers(
+    session: Session,
+    *,
+    min_foreign: int = DEFAULT_MIN_FOREIGN_PERFORMERS,
+    min_ratio: int = DEFAULT_MIN_TAG_RATIO,
+    min_scenes: int = DEFAULT_MIN_SCENES_FOR_RATIO,
+):
+    """Suma dwóch niezależnych kryteriów — pierwsze łapie śmieci bez refa kanonicznego,
+    drugie te, które ref mają (bo TPDB/StashDB też zawierają „Hardcore" czy „Blonde")."""
+    ids = {r[0] for r in session.execute(text(_SELECT_SQL), {"min_foreign": min_foreign})}
+    ids |= {
+        r[0]
+        for r in session.execute(
+            text(_RATIO_SQL), {"min_ratio": min_ratio, "min_scenes": min_scenes}
+        )
+    }
+    return list(ids)
 
 
 def run_junk_performer_cleanup(