v1.8.3: OV-matchfilter weert gewone-woord-botsingen (breng/overweg/sein/opwaarderen)

'NOS | Oldambt weigert Leninbeeld' kwam door het filter via het werkwoord
'breng je het gesprek op gang' (familie vervoerders, gewicht 3). Audit over
30 dagen productiedata toonde dezelfde klasse: 'sein brandmeester'
(brandweer) 3x, 'overwegen' (werkwoord) 2x, idioom 'overweg kunnen' 1x.

- breng/overweg/overwegen/sein/opwaarderen van sterk(3)/medium(2) naar
  zwak(1): dubbelzinnige woorden combineren nu met een ander OV-woord
  (bushalte/trein/spoor/NS blijven gewoon scoren)
- _filter_passes eist sindsdien: alleen zwakke hits -> minimaal twee
  verschillende families (zelfde zwakke familie in titel+samenvatting is
  geen combinatie); voorkomt 'overwegen' in beide velden alsnog doorlaten
- trein-familie matst nu ook samenstellingen (stoptrein/goederentrein/
  sprinttrein) zodat overweg-demotie geen echte spoorincidenten verliest
- blacklist + stationair/stationeren/stationeel (geen OV-waarde, matchen
  wel via \bstation\w*\b)
- docs: module-commentaar en _filter_summary/_filter_passes bijgewerkt

Verificatie: exacte storingscode-herhaling op de gemelde NOS-entry (nu
gefilterd), 12 echte 30-dagen-entries (9 FP's eruit, 3 echte OV-berichten
blijven), 10/10 echte OV-regressiegevallen doorlaten, 11/11 FP-vormen
geweerd.

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
+# Gewicht 1 (zwak/dubbelzinnig: los "bus", "breng", "overweg", "overwegen", "sein",
-#   OV-woord combineren. Weert zo "VW-bus"/"schoolbus", "weer op de rails" en
+#   "kaartje", "opwaarderen", "rails"): moet met een ander OV-woord combineren (een
-#   112-berichten met "bussen rijden om" in de lead, zonder eenduidige
+#   tweede, andere familie — dezelfde zwakke familie in titel én samenvatting telt
-#   bushalte/overweg/NS/trein-berichten te raken.
+#   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(?: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|overweg|overwegen|seinstoring|wisselstoring|sein|ontsporing|ontspoord|spoorstaking)\b", 3),  # spoorinfra
+    (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:
+    def _fam_hits(text: str) -> list[tuple[int, int]]:
-        """Som van gewichten over de OV-families die in text voorkomen (1× per familie).
+        """(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
+        hits: list[tuple[int, int]] = []
-        for family, weight in _compiled_match_families:
+        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
+        OV-woord bijkomen. Zwakke woorden (losse 'bus', 'breng', 'overweg', 'overwegen',
-        combineren met een ander OV-woord. Weert oa 'VW-bus', 'schoolbus',
+        'sein', 'opwaarderen', 'kaartje', 'rails') moeten combineren met een ander
-        'bussen rijden om' in een woningbrand-lead en figuratief 'weer op de rails'.
+        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`"

maubot.yaml

@@ -1,5 +1,5 @@
 id: nl.eddydevink.rss
-version: 1.8.2
+version: 1.8.3
 modules:
 - buzzrss
 main_class: RSSBot