v1.8.2: blacklist straatnamen rond stations in OV-matchfilter

'de Stationsstraat afsluiten voor een festival' is geen OV-nieuws, maar
scored wel (familie \bstation\w*\b, gewicht 3; via `stations`+suffix
dingt `station\w*\b` op 'stationsstraat'). Regex-uitbreiding faalt op de
dubbele s (stations+straat): elke naamvorm vraagt opnieuw regex-herrie.

Daarom MATCH_FILTER_BLACKLIST: exact gematchte woorden die geen OV-waarde
hebben (straatnamen rond stations: stationsstraat/weg/laan/plein/... plus
treinstraat/treinweg) tellen niet meer mee. De genitief-s-vorm dekt zowel
'Stationsstraat' als 'Stationsweg' etc. Zwartgelijste woorden blokkeren de
familie niet: een echt station-/trein-woord ernaast scoort gewoon.

base-config.yaml

@@ -27,10 +27,10 @@ exclude_paywalled: true
 # binnen X dagen, ook als de feed/URL anders is (zelfde uitgever, meerdere sites).
 # 0 = uit.
 title_dedup_days: 30
-# OV-matchfilter: VAST in code (gewogen families), niet via config te wijzigen.
+# OV-matchfilter: VAST in code (gewogen families + blacklist), niet via config te wijzigen.
-# Doorlaten als 2×(titelscore) + 1×(samenvattingscore) >= 3. Zie de families in
+# Doorlaten als 2×(titelscore) + 1×(samenvattingscore) >= 3. Zie de families en de
-# buzzrss/bot.py (MATCH_FILTER_FAMILIES). `!rss set-filter` en `!rss filter`
+# blacklist in buzzrss/bot.py (MATCH_FILTER_FAMILIES / MATCH_FILTER_BLACKLIST).
-# tonen alleen de huidige (vaste) filter.
+# `!rss set-filter` en `!rss filter` tonen alleen de huidige (vaste) filter.
 # Users who can bypass room permission checks
 admins:
 - "@user:example.com"

buzzrss/bot.py

@@ -59,6 +59,10 @@ rss_change_level = EventType.find("xyz.maubot.rss", t_class=EventType.Class.STAT
 #   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.
+# 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
@@ -82,6 +86,20 @@ MATCH_FILTER_FAMILIES: list[tuple[str, int]] = [
 # Drempel voor doorlaten (score = 2×titel + 1×samenvatting).
 MATCH_FILTER_THRESHOLD = 3
 
+# Woorden die een familie wél matcht maar die geen OV-waarde hebben. Een hit dat
+# hierin staat telt niet mee voor de score (en blokkeert de familie niet). Vorm:
+# exact woord (lowercase), zoals door de familie-regex wordt gematcht.
+MATCH_FILTER_BLACKLIST: frozenset[str] = frozenset({
+    # Straatnamen rond stations (genitief-s-vorm van "\bstation\w*\b"): een straat
+    # die toevallig bij een station ligt maakt een bericht nog geen OV-bericht.
+    "stationsstraat", "stationsweg", "stationslaan", "stationsplein",
+    "stationssingel", "stationskade", "stationsdreef", "stationshof",
+    "stationspad", "stationsboulevard", "stationsgracht", "stationsdijk",
+    "stationssteeg", "stationswal", "stationsbuurt", "stationswijk", "stationspark",
+    # Idem voor "\btrein\w*\b".
+    "treinstraat", "treinweg",
+})
+
 _compiled_match_families: list[tuple[re.Pattern, int]] = [
     (re.compile(pat, re.IGNORECASE), w) for pat, w in MATCH_FILTER_FAMILIES
 ]
@@ -202,8 +220,19 @@ class RSSBot(Plugin):
 
     @staticmethod
     def _fam_score(text: str) -> int:
-        """Som van gewichten over de OV-families die in text voorkomen (1× per familie)."""
+        """Som van gewichten over de OV-families die in text voorkomen (1× per familie).
-        return sum(weight for family, weight in _compiled_match_families if family.search(text))
+
+        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:
+            for m in family.finditer(text):
+                if m.group(0).lower() in MATCH_FILTER_BLACKLIST:
+                    continue
+                total += weight
+                break
+        return total
 
     @staticmethod
     def _filter_passes(title: str, summary: str) -> bool:
@@ -227,6 +256,8 @@ class RSSBot(Plugin):
             "- 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"
+            "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: 1.8.1
+version: 1.8.2
 modules:
 - buzzrss
 main_class: RSSBot