v1.10.0: whitelist alleen titel-anker; medium+zwak uitsluitend in samenvatting geweerd

buzzrss/bot.py

@@ -89,13 +89,17 @@ rss_change_level = EventType.find("xyz.maubot.rss", t_class=EventType.Class.STAT
 # een niet-OV-bericht te veel doorgelaten (gebruikersbesluit, 2026-09-10).
 #
 # Drie lagen, elk met een eigen regel:
-#   1. WHITELIST       -> ALTIJD door. Alleen termen die in élke context OV
+#   1. WHITELIST       -> ALTIJD door BIJ EEN HIT IN DE TITEL. Alleen termen die
-#      betekenen (merken: NS/ProRail/Arriva; onmiskenbaar jargon: spoorstoring,
+#      in élke context OV betekenen (merken: NS/ProRail/Arriva; onmiskenbaar jargon:
-#      perron, bushalte, conducteur, ovpay; multi-woord termen).
+#      spoorstoring, perron, bushalte, conducteur, ovpay; multi-woord termen).
 #      REGEL: twijfel je of de term ook buiten het OV kan voorkomen -> NIET hier.
 #      NIET: station-samenstellingen (busstation/metrostation) — een bericht over
 #      een pand 'naast het busstation' is geen OV-nieuws (besluit 2026-09-11);
 #      die wegen mee via de gewogen families (medium).
+#      Een whitelist-term ALLEEN in de SAMENVATTING laat NIET onvoorwaardelijk
+#      door: een bijzin als 'de zakelijke bezoeker is ook nodig voor het openbaar
+#      vervoer' in een economiebericht is geen OV-nieuws (besluit 2026-09-12).
+#      Zo'n hit scoort via de gewogen families (dezelfde termen staan daar ook in).
 #   2. GEWOGEN FAMILIES -> score = som van unieke OV-families over het hele artikel
 #      (titel + samenvatting; per familie 1× per artikel — herhaling of beide velden
 #      tellen niet dubbel, besluit 2026-09-11) >= drempel (3).
@@ -107,6 +111,12 @@ rss_change_level = EventType.find("xyz.maubot.rss", t_class=EventType.Class.STAT
 #                      in titel óf samenvatting, is onvoldoende — de titel weegt
 #                      niet extra ('restaurant naast busstation' in de titel is
 #                      geen OV-bericht, besluit 2026-09-11).
+#                      EXTRA (besluit 2026-09-12): een medium + zwak-combinatie
+#                      UITSLUITEND in de samenvatting (geen enkele hit in de
+#                      titel) is geen OV-bewijs — 'openbaar vervoer' + 'zakelijke
+#                      reizigers' in een economiebericht telt dan toch op tot de
+#                      drempel. Sterke (3) families blijven in de samenvatting
+#                      gewoon tellen.
 #      - zwak (1):     DUBBELZINNIGHEID. Woorden die (ook) buiten het OV
 #                      voorkomen. REGEL: elk dubbelzinnig woord krijgt een EIGEN
 #                      familie (niet samengevoegd), zodat twee verschillende
@@ -199,10 +209,15 @@ MATCH_FILTER_BLACKLIST: frozenset[str] = frozenset({
 })
 
 # MATCH_FILTER_WHITELIST: termen die een bericht per definitie OV maken. Eén enkele
-# hit in titel óf samenvatting laat ALTIJD door (geen familiescore nodig) — dit is het
+# hit in de TITEL laat ALTIJD door (geen familiescore nodig) — dit is het expliciete
-# expliciete "onmiskenbaar OV"-signaal, zodat we voor deze termen niet op de gewogen
+# "onmiskenbaar OV"-signaal, zodat we voor deze termen niet op de gewogen
 # heuristiek hoeven te leunen. Vergelijking is case-insensitive, dus ook 'nederlandse
 # spoorwegen', 'prorail' en 'NS' in all-caps titels tellen mee.
+# Een whitelist-hit ALLEEN in de samenvatting is géén onvoorwaardelijk signaal
+# (besluit 2026-09-12: 'openbaar vervoer' als bijzin in een economiebericht is geen
+# OV-nieuws); die term scoort dan via de gewogen families — voor whitelist-termen
+# die geen eigen familie hebben (bv. 'treinstel': alleen zwak via \w*trein\w*) is
+# een samenvatting-alleen hit dus zwak.
 # Termen MOETEN in elke context OV betekenen. Niet hierop (algemeen/dubbelzinnig):
 # los 'trein', 'bus', 'metro', 'tram', 'station', 'lijn', 'ov', 'reiziger',
 # 'vervoerder', 'sprinter',
@@ -407,7 +422,12 @@ class RSSBot(Plugin):
         Zwakke woorden (losse 'bus', 'breng', 'overweg', 'overwegen', 'sein',
         'opwaarderen', 'kaartje', 'rails', 'pendelbus') moeten combineren met een
         ander OV-woord én minstens één zwak woord moet in de titel staan; dezelfde
-        zwakke familie in titel én samenvatting is géén combinatie. Weert oa
+        zwakke familie in titel én samenvatting is géén combinatie. Whitelist-termen
+        (NS, perron, bushalte, openbaar vervoer, ...) laten alleen onvoorwaardelijk
+        door BIJ EEN HIT IN DE TITEL; in de samenvatting wegen ze mee als gewogen
+        familie. Een medium + zwak-combinatie UITSLUITEND in de samenvatting (geen
+        enkele hit in de titel) is geen OV-bewijs ('openbaar vervoer' + 'zakelijke
+        reizigers' in een economiebericht, besluit 2026-09-12). Weert oa
         'VW-bus' (bus matcht niet ná een koppelteken), 'schoolbus', 'bussen rijden
         om' in een woningbrand-lead, het werkwoord 'brengen', het idioom 'goed met
         elkaar overweg kunnen', 'een wijk opwaarderen', brandweerjargon
@@ -415,8 +435,12 @@ class RSSBot(Plugin):
         waarin de samenvatting 'station' + 'pendelbus' + 'bus' noemt.
         Bewust doorgelaten: krant 'De Metro'/café 'De Tram' (medium) en atleet-
         'sprinter' in combinatie met ander OV-woord."""
-        # Whitelist: één onmiskenbare OV-term (titel óf samenvatting) laat altijd door.
+        # Whitelist: een onmiskenbare OV-term in de TITEL laat altijd door (het
-        if RSSBot._whitelist_hit(title) or RSSBot._whitelist_hit(summary):
+        # artikel kondigt het onderwerp aan: 'NS verlengt noodregeling'). Een
+        # whitelist-term ALLEEN in de samenvatting is geen OV-bewijs ('openbaar
+        # vervoer' als bijzin in een economiebericht, besluit 2026-09-12) en
+        # scoort via de gewogen families hieronder.
+        if RSSBot._whitelist_hit(title):
             return True
         t_hits = RSSBot._fam_hits(title)
         s_hits = RSSBot._fam_hits(summary)
@@ -433,6 +457,11 @@ class RSSBot(Plugin):
             # 'bus' in een golfverslag telt anders op tot de drempel).
             if not t_hits or len(combined) < 2:
                 return False
+        elif not t_hits and 1 in combined.values():
+            # Medium + zwak uitsluitend in de samenvatting, niets in de titel: geen
+            # OV-bewijs. 'openbaar vervoer' + 'zakelijke reizigers' in een
+            # economiebericht telt anders op tot de drempel (besluit 2026-09-12).
+            return False
         return True
 
     @staticmethod
@@ -444,13 +473,15 @@ class RSSBot(Plugin):
             "samenstellingen als bushalte/buslijn/bushokje/busbaan/busverkeer, treinstoring/treinverkeer/treinstaking, "
             "intercity/streekvervoer/veerdienst/buurtbus/belbus, 'lijn 12'\n"
             "- Medium (2): tram, metro, openbaar vervoer, lightrail, halte, pont, ov-chipkaart/ovpay, ov-staking, conducteur, "
-            "trein-/bus-/metrostation — één medium-hit volstaat niet, moet combineren met een andere OV-familie\n"
+            "trein-/bus-/metrostation — één medium-hit volstaat niet, moet combineren met een andere OV-familie; "
+            "medium + zwak uitsluitend in de samenvatting (geen hit in de titel) telt niet\n"
             "- Zwak (1): losse 'bus' (niet ná een koppelteken), 'pendelbus'/'shuttlebus', 'trein', 'station(s)', 'breng', 'overweg', 'overwegen', "
             "'sein', 'kaartje', 'opwaarderen', 'rails', 'inchecken'/'uitchecken', 'dienstregeling', 'chipkaart', 'reisproduct', 'vervoersbewijs', "
             "'ontsporen', 'reiziger', 'vervoerder', 'sprinter' — moet combineren met een ander OV-woord, met minstens één zwak woord in de titel\n\n"
-            "**Whitelist (altijd door):** één onmiskenbare OV-term in titel óf samenvatting is genoeg "
+            "**Whitelist (altijd door bij een hit in de TITEL):** een onmisbare OV-term in de titel is genoeg "
             "(NS, ProRail, Nederlandse Spoorwegen, spoorstoring, perron, bushalte, conducteur, "
-            "ov-chipkaart, ovpay, openbaar vervoer, ...)\n\n"
+            "ov-chipkaart, ovpay, openbaar vervoer, ...); in de samenvatting alleen weegt zo'n term mee "
+            "als gewogen familie (medium/sterk)\n\n"
             "Uitgesloten (blacklist): woorden die wél matchen maar geen OV-waarde hebben, "
             "o.a. straatnamen rond stations ('stationsstraat', 'stationsweg', ...) en niet-OV-vormen als 'stationcar' en 'stationair'\n\n"
             "Doorlaten: som van unieke OV-families ≥ 3 — één familie telt 1× per artikel "

maubot.yaml

@@ -1,5 +1,5 @@
 id: nl.eddydevink.rss
-version: 1.9.9
+version: 1.10.0
 modules:
 - buzzrss
 main_class: RSSBot

validate_filter.py

@@ -150,6 +150,20 @@ GOLDEN = [
     ("Restaurant naast busstation wil uitbreiden", "De eigenaar wil uitbreiden naar het naastgelegen pand.", False),  # zelfde regel, letterlijk gebruikersvoorbeeld
     ("Busstation wordt verbouwd", "De verbouwing duurt tot het voorjaar.", False),  # herhaling/één woord = 1 signaal: 2 < 3 ('busstation' 60× weegt ook 1×)
     ("Metro rijdt niet", "De halte is tijdelijk gesloten.", True),  # medium-combinatie over twee families: metro(2)+halte(2)=4
+    # fix 2026-09-12: whitelist-term alleen in de SAMENVATTING is geen OV-bewijs
+    # (valt terug op gewogen families); medium+zwak uitsluitend in de samenvatting
+    # (geen hit in de titel) wordt geweerd. Echte cases 11-09-2026:
+    # AT5-economiebericht ('openbaar vervoer' + 'zakelijke reizigers' als bijzin)
+    # en Telegraaf-overstroming Japan ('openbaar vervoer ontregeld' in de tekst).
+    ("Economische groei van de stad niet meer vanzelfsprekend: ondernemersclubs waarschuwen",
+     "Volgens Evers is de zakelijke bezoeker ook nodig voor het openbaar vervoer, de culturele sector en musea. "
+     "Het aantal zakelijke reizigers in de stad daalt.", False),
+    ("Straat in Japan verandert in rivier door hevige regen",
+     "Het verkeer ligt plat en ook het openbaar vervoer is ontregeld in de getroffen regio.", False),
+    # recall-bewaakt: 'openbaar vervoer' in de TITEL blijft onvoorwaardelijk door
+    # (whitelist-titel-anker; Havenloods 11-09-2026, 'einde aan gratis ov').
+    ("Er komt echt een einde aan gratis openbaar vervoer voor ouderen",
+     "De gemeente stopt vanaf januari met de gratis reizen voor 65-plussers.", True),
     # busstation mag niet dubbel meetellen via 'bus' én 'station' (was 2×3=6→nu 1×2)
     ("Metrostation Centraal tijdelijk gesloten", "De metro's rijden niet.", True),
     ("NS verlengt noodregeling op traject Zwolle", "Reizigers moeten rekening houden met minder treinen.", True),