a4486980a4
1745 wystapien w 291 plikach (backend, scripts, mobile). Dominowal jeden ksztalt, ' — ' laczace zdania, wiec poszedl przecinek; myslnik otwierajacy mysl zdjety; zakresy 0–5 i A–Z na dywiz. Podzial komentarz/kod robil skaner stanow, nie regex, zeby nie ruszyc myslnika stojacego w stringu albo w wyrazeniu regularnym. Potwierdzone maszynowo: po wycieciu komentarzy z wersji HEAD i z dysku obie sa identyczne we wszystkich 291 plikach, czyli poza komentarzami nie zmienilo sie nic. 233 pliki .py parsuja sie bez bledu, tsc ma te same 11 bledow w tych samych 3 plikach co przed zmiana. Dwie rzeczy wymagaly poprawki po automacie: wyrownane listy definicji, gdzie myslnik byl separatorem kolumny (37 miejsc, kolumna przywrocona), i trzy przeniesienia mysli do nowej linii, gdzie zostawal wiszacy przecinek na poczatku (poprawione recznie). Bundla nie republikuje: Hermes i tak nie niesie komentarzy, wiec dla uzytkownika to zero zmiany. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
107 lines
4.5 KiB
Python
107 lines
4.5 KiB
Python
"""False-merge remediacja dla scen z DOKŁADNIE 2 źródłami (n=2), rozstrzygana przez
|
||
canonical duration.
|
||
|
||
Kontekst: audit_false_merges remediuje tylko n>=3 (większość źródeł = ground truth dla
|
||
outliera). Dla n=2 było "needs human review", ale review-queue we froncie już nie ma.
|
||
Pomiar (2026-06-07): z 535 scen n=2-divergent (2 źródła, długości różnią się >3x),
|
||
WSZYSTKIE 535 mają canonical scene.duration_sec (z TPDB/StashDB), a 531 ma JEDNO źródło
|
||
pasujące do canonical (±20%) i drugie >2x odbiegające → jednoznaczny false-merge.
|
||
|
||
Logika: canonical (TPDB/StashDB) = ground-truth tożsamości sceny. Źródło pasujące do
|
||
canonical (±KEEP_TOL) = keeper; drugie, >OUTLIER_DEV× odbiegające w którąkolwiek stronę
|
||
= wrong video (teaser ALBO compilation) → dead. Działa w obie strony (w przeciwieństwie
|
||
do audit_false_merges które kasuje tylko krótsze), bo canonical jest tu SKORELOWANY z
|
||
keeperem (≠ Omar-case gdzie canonical nie pasował do niczego). Skip gdy oba pasują
|
||
(nie divergentne) lub żadne (canonical niewiarygodny, ambiguous).
|
||
|
||
Reversible (dead_at). Domyślnie dry-run; --yes zapisuje.
|
||
|
||
python -m scripts.dedup_n2_canonical # dry-run
|
||
python -m scripts.dedup_n2_canonical --list 30
|
||
python -m scripts.dedup_n2_canonical --yes
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import argparse
|
||
|
||
from sqlalchemy import text
|
||
|
||
from app.db import session_scope
|
||
|
||
MIN_DUR = 30
|
||
GAP = 90
|
||
RATIO = 3.0
|
||
KEEP_TOL = 0.20 # źródło w ±20% canonical = keeper (skorelowane → canonical wiarygodny)
|
||
OUTLIER_DEV = 2.0 # drugie źródło >2x od canonical (w którąkolwiek stronę) = wrong video
|
||
|
||
_CANDIDATES_SQL = """
|
||
WITH d AS (
|
||
SELECT scene_id, count(*) n, min(duration_sec) mn, max(duration_sec) mx
|
||
FROM playback_sources
|
||
WHERE dead_at IS NULL AND duration_sec IS NOT NULL AND duration_sec > :min_dur
|
||
GROUP BY scene_id
|
||
HAVING count(*) = 2
|
||
AND (max(duration_sec) - min(duration_sec)) > :gap
|
||
AND max(duration_sec)::float / min(duration_sec) >= :ratio
|
||
)
|
||
SELECT d.scene_id, sc.duration_sec AS canonical
|
||
FROM d JOIN scenes sc ON sc.id = d.scene_id
|
||
WHERE sc.duration_sec IS NOT NULL AND sc.duration_sec > :min_dur
|
||
"""
|
||
|
||
|
||
def main() -> None:
|
||
ap = argparse.ArgumentParser(description=__doc__)
|
||
ap.add_argument("--list", type=int, default=0)
|
||
ap.add_argument("--yes", action="store_true")
|
||
args = ap.parse_args()
|
||
params = {"min_dur": MIN_DUR, "gap": GAP, "ratio": RATIO}
|
||
|
||
with session_scope() as s:
|
||
cands = list(s.execute(text(_CANDIDATES_SQL), params))
|
||
|
||
print(f"n=2 divergent scenes with canonical: {len(cands)}")
|
||
killed = touched = skipped_ambiguous = 0
|
||
listed = 0
|
||
for scene_id, canonical in cands:
|
||
with session_scope() as s:
|
||
srcs = list(s.execute(text("""
|
||
SELECT id, duration_sec, origin FROM playback_sources
|
||
WHERE scene_id = :sid AND dead_at IS NULL
|
||
AND duration_sec IS NOT NULL AND duration_sec > 0
|
||
ORDER BY duration_sec
|
||
"""), {"sid": scene_id}))
|
||
if len(srcs) != 2:
|
||
continue
|
||
keepers = [r for r in srcs if abs(r[1] - canonical) <= canonical * KEEP_TOL]
|
||
def _is_outlier(dur: int) -> bool:
|
||
return canonical / dur > OUTLIER_DEV or dur / canonical > OUTLIER_DEV
|
||
outliers = [r for r in srcs if _is_outlier(r[1]) and r not in keepers]
|
||
# Bezpiecznie: dokładnie 1 keeper (skorelowany z canonical) + 1 outlier.
|
||
if len(keepers) != 1 or len(outliers) != 1:
|
||
skipped_ambiguous += 1
|
||
continue
|
||
keep, kill = keepers[0], outliers[0]
|
||
touched += 1
|
||
if listed < args.list:
|
||
listed += 1
|
||
print(f" {str(scene_id)[:8]} canon={canonical}s keep={keep[2]}={keep[1]}s "
|
||
f"kill={kill[2]}={kill[1]}s")
|
||
if args.yes:
|
||
s.execute(text("""
|
||
UPDATE playback_sources
|
||
SET dead_at = now(),
|
||
dead_reason = 'false-merge n=2 audit: duration off canonical (other source matches)'
|
||
WHERE id = :id
|
||
"""), {"id": kill[0]})
|
||
s.commit()
|
||
killed += 1
|
||
|
||
verb = f"killed={killed}" if args.yes else f"would_kill={touched}"
|
||
print(f"\n{'APPLIED' if args.yes else 'DRY-RUN'}: {verb} skipped_ambiguous={skipped_ambiguous}")
|
||
if not args.yes:
|
||
print("(dry-run — uruchom z --yes; reversible: dead_at)")
|
||
|
||
|
||
if __name__ == "__main__":
|
||
main()
|