diff --git a/buzzrss/bot.py b/buzzrss/bot.py index a796285..19f493e 100644 --- a/buzzrss/bot.py +++ b/buzzrss/bot.py @@ -55,31 +55,41 @@ rss_change_level = EventType.find("xyz.maubot.rss", t_class=EventType.Class.STAT # Gewicht 3 (sterk, onmiskenbaar OV): één woord in titel óf samenvatting volstaat. # Gewicht 2 (medium): één woord in de titel volstaat; in de samenvatting moet er # een tweede OV-woord bijkomen. -# Gewicht 1 (zwak/dubbelzinnig: los "bus", "kaartje", "rails"): moet met een ander -# OV-woord combineren. Weert zo "VW-bus"/"schoolbus", "weer op de rails" en -# 112-berichten met "bussen rijden om" in de lead, zonder eenduidige -# bushalte/overweg/NS/trein-berichten te raken. +# Gewicht 1 (zwak/dubbelzinnig: los "bus", "breng", "overweg", "overwegen", "sein", +# "kaartje", "opwaarderen", "rails"): moet met een ander OV-woord combineren (een +# tweede, andere familie — dezelfde zwakke familie in titel én samenvatting telt +# niet als combinatie). Weert zo "VW-bus"/"schoolbus", "weer op de rails", het +# werkwoord "brengen" ("hoe breng je ... in beeld"), het idioom "goed met elkaar +# overweg kunnen", het werkwoord "overwegen" ("gratieverlening overwegen"), het +# werkwoord "opwaarderen" ("een wijk opwaarderen") en brandweerjargon +# ("sein brandmeester"), zonder eenduidige bushalte/overweg/NS/trein-berichten +# te raken. # MATCH_FILTER_BLACKLIST: gematchte woorden die tóch geen OV-waarde hebben (o.a. # straatnamen rond stations — "de Stationsstraat afsluiten voor een festival" # is geen OV-nieuws). Zwartgelijste woorden leveren geen score op, maar # blokkeren de familie niet: een écht "station"-woord ernaast scoort gewoon. MATCH_FILTER_FAMILIES: list[tuple[str, int]] = [ # sterk (3) - (r"\b(?:ns|arriva|qbuzz|connexxion|cxx|transdev|keolis|ret|gvb|ebs|htm|syntus|breng|u-ov|allgo|flixbus|blauwnet|r-net|valleilijn|waterbus|eurostar|thalys|randstadrail|gvu|ov)\b", 3), # vervoerders - (r"\b(?:spoorweg|spoorbaan|spoorlijn|spoorverkeer|spoorwegovergang|spoorstoring|perron|perrons|overweg|overwegen|seinstoring|wisselstoring|sein|ontsporing|ontspoord|spoorstaking)\b", 3), # spoorinfra + (r"\b(?:ns|arriva|qbuzz|connexxion|cxx|transdev|keolis|ret|gvb|ebs|htm|syntus|u-ov|allgo|flixbus|blauwnet|r-net|valleilijn|waterbus|eurostar|thalys|randstadrail|gvu|ov)\b", 3), # vervoerders ('Breng' staat in de zwakke groep: botst met het werkwoord "brengen") + (r"\b(?:spoorweg|spoorbaan|spoorlijn|spoorverkeer|spoorwegovergang|spoorstoring|perron|perrons|seinstoring|wisselstoring|ontsporing|ontspoord|spoorstaking)\b", 3), # spoorinfra ('overweg', 'overwegen' en 'sein' in de zwakke groep: botsen met idioom/werkwoord resp. brandweerjargon) (r"\bstation\w*\b", 3), # station(s) (r"\b(?:bus|tram|metro)(?:halte|haltes|lijn|lijnen|station|stations|verkeer|net|staking)\b", 3), # voertuig-samenstelling - (r"\btrein\w*\b", 3), # trein(verkeer/staking/ongeluk/...) + (r"\b\w*trein\w*\b", 3), # trein(verkeer/staking/…), ook samenstellingen: stoptrein, goederentrein, sprinttrein # medium (2) (r"\btram\b", 2), (r"\bmetro\b", 2), (r"\b(?:openbaar vervoer|dienstregeling|inchecken|uitchecken|lightrail|pendelbus|shuttlebus)\b", 2), - (r"\b(?:ov-chipkaart|chipkaart|ovpay|ov-pay|reisproduct|studentenreisproduct|vervoersbewijs|vervoerbewijs|opwaarderen)\b", 2), + (r"\b(?:ov-chipkaart|chipkaart|ovpay|ov-pay|reisproduct|studentenreisproduct|vervoersbewijs|vervoerbewijs)\b", 2), (r"\b(?:ov-staking|conducteursstaking)\b", 2), (r"\b(?:pont|ponten)\b", 2), # waterbus/veerdienst # zwak (1) — dubbelzinnig, moet combineren (r"\bbus(?:sen)?\b", 1), + (r"\bbreng\b", 1), # vervoerder Breng vs werkwoord "brengen" ("hoe breng je ... in beeld") + (r"\boverweg\b", 1), # spoorwegovergang vs idioom "goed met elkaar overweg kunnen" + (r"\boverwegen\b", 1), # meervoud van overweg vs werkwoord ("een gratieverlening overwegen") + (r"\bsein\b", 1), # spoorsein vs brandweerjargon ("sein brandmeester") en figuurlijk gebruik (r"\bkaart(?:je|jes)\b", 1), + (r"\bopwaarderen\b", 1), # ov-chipkaart opladen vs werkwoord "een wijk/park opwaarderen" (r"\brails\b", 1), ] @@ -98,6 +108,10 @@ MATCH_FILTER_BLACKLIST: frozenset[str] = frozenset({ "stationssteeg", "stationswal", "stationsbuurt", "stationswijk", "stationspark", # Idem voor "\btrein\w*\b". "treinstraat", "treinweg", + # Idem voor "\bstation\w*\b": werkwoords-/bijvoeglijke vormen zonder OV-waarde + # ("motor stationair laten draaien", "auto's hier stationeren"). + "stationair", "stationeel", "stationeren", "stationeert", "stationeerde", + "stationeerden", "stationerend", }) _compiled_match_families: list[tuple[re.Pattern, int]] = [ @@ -219,20 +233,20 @@ class RSSBot(Plugin): self.log.exception("Fatal error while polling feeds") @staticmethod - def _fam_score(text: str) -> int: - """Som van gewichten over de OV-families die in text voorkomen (1× per familie). + def _fam_hits(text: str) -> list[tuple[int, int]]: + """(familie-index, gewicht) voor elke OV-familie die in text voorkomt (1× per familie). Gematchte woorden uit MATCH_FILTER_BLACKLIST (o.a. 'stationsstraat') tellen niet mee en blokkeren de familie niet: een écht OV-woord in dezelfde tekst scoort gewoon verder.""" - total = 0 - for family, weight in _compiled_match_families: + hits: list[tuple[int, int]] = [] + for idx, (family, weight) in enumerate(_compiled_match_families): for m in family.finditer(text): if m.group(0).lower() in MATCH_FILTER_BLACKLIST: continue - total += weight + hits.append((idx, weight)) break - return total + return hits @staticmethod def _filter_passes(title: str, summary: str) -> bool: @@ -240,22 +254,34 @@ class RSSBot(Plugin): Sterke families (gewicht 3) halen de drempel al met één woord in titel óf samenvatting. Medium (2) in de titel ook; in de samenvatting moet een tweede - OV-woord bijkomen. Zwakke woorden (losse 'bus', 'kaartje', 'rails') moeten - combineren met een ander OV-woord. Weert oa 'VW-bus', 'schoolbus', - 'bussen rijden om' in een woningbrand-lead en figuratief 'weer op de rails'. + OV-woord bijkomen. Zwakke woorden (losse 'bus', 'breng', 'overweg', 'overwegen', + 'sein', 'opwaarderen', 'kaartje', 'rails') moeten combineren met een ander + OV-woord; dezelfde zwakke familie in titel én samenvatting is géén combinatie. + Weert oa 'VW-bus', 'schoolbus', 'bussen rijden om' in een woningbrand-lead, + het werkwoord 'brengen', het idioom 'goed met elkaar overweg kunnen', + 'een wijk opwaarderen', brandweerjargon 'sein brandmeester' en figuratief + 'weer op de rails'. Bewust doorgelaten: krant 'De Metro'/café 'De Tram' in de titel (medium).""" - return 2 * RSSBot._fam_score(title) + RSSBot._fam_score(summary) >= MATCH_FILTER_THRESHOLD + t_hits = RSSBot._fam_hits(title) + s_hits = RSSBot._fam_hits(summary) + score = 2 * sum(w for _, w in t_hits) + sum(w for _, w in s_hits) + if score < MATCH_FILTER_THRESHOLD: + return False + # Alleen zwakke families? Dan moet een tweede (verschillende) familie meetellen. + if max(w for _, w in t_hits + s_hits) == 1 and len({i for i, _ in t_hits + s_hits}) < 2: + return False + return True @staticmethod def _filter_summary() -> str: """Mensvriendelijke weergave van het vaste gewogen match-filter.""" return ( "**OV-matchfilter (vast in code, gewogen families):**\n" - "- Sterk (3): vervoerders (NS, Arriva, Qbuzz, ...), spoorinfra (perron, overweg, sein), " + "- Sterk (3): vervoerders (NS, Arriva, Qbuzz, ...), spoorinfra (perron, spoorwegovergang, seinstoring), " "station(s), bushalte/buslijn/treinstel, trein\n" "- Medium (2): tram, metro, openbaar vervoer/dienstregeling/inchecken, " "ov-chipkaart/ovpay/reisproduct, ov-staking, pont\n" - "- Zwak (1): losse 'bus', 'kaartje', 'rails' — moet combineren met een ander OV-woord\n\n" + "- Zwak (1): losse 'bus', 'breng', 'overweg', 'overwegen', 'sein', 'kaartje', 'opwaarderen', 'rails' — moet combineren met een ander OV-woord\n\n" "Uitgesloten (blacklist): woorden die wél matchen maar geen OV-waarde hebben, " "o.a. straatnamen rond stations ('stationsstraat', 'stationsweg', ...)\n\n" "Doorlaten: `2×(titel-score) + 1×(samenvatting-score) ≥ 3`" diff --git a/maubot.yaml b/maubot.yaml index 5b89aa4..e87e25b 100644 --- a/maubot.yaml +++ b/maubot.yaml @@ -1,5 +1,5 @@ id: nl.eddydevink.rss -version: 1.8.2 +version: 1.8.3 modules: - buzzrss main_class: RSSBot