internetarchive/openlibrary

Authors getting incorrect alternate names after merge

Ouverte

#498 ouverte le 24 mai 2017

Voir sur GitHubGuide contributeur
 (14 commentaires) (0 réaction) (0 personne assignée)Python (1 962 forks)batch import
Affects: DataLead: @cdriniModule: AuthorsModule: Identifier ResolutionPriority: 3Type: Bughacktoberfest

Métriques du dépôt

Stars
 (6 624 étoiles)
Métriques de merge PR
 (Métriques PR en attente)

Description

In looking at the Charles Dickens record, we see the following bad name forms, many of which could be detected and eliminated automatically:

Non-author contributors conflated:

"Flo Gibson (Narrator)", "illustrated by Arthur Rackham Charles Dickens", "Introduction-John Carey", "Mike; Spencer, John (editors) (Charles Dickens; Lord Halifax; Edgar Allan Poe; Bram Stoker; O. Henry; William Mudford; Frederick Marryat; Matthew Lewis; William Makepeace Thackeray; W. W. Jacobs; Saki) Jarvis"

Bad capitalization, spelling, etc:

"Dickens", "DICKENS", "Dickens, Charles", "Charles", "CHARLES DICKENS", "CHARLES. DICKENS", "Charles dickens", "Dickens Charles.", "C DICKENS", "Charled Dickens", "Dickens Charles", "harles Dickens",

Dates or transliterations embedded:

"Dickens, Charles, 1812-1870.", "DICKENS, CHARLES, 1812-1870", "Charles Dickens Charles Dickens", "Charles 1812-1870 Dickens", "Dickens, Charles,$d1812-1870", "Dickens,Charles ディケンズ,チャールズ (1812-1870)",

Guide contributeur

Direction de recherche
Inspectez le code qui traite la fusion et la déduplication des noms d'auteurs. Recherchez la logique qui combine les noms alternatifs et identifiez où les contributeurs non auteurs ou les noms mal formés sont inclus. Tracez la fonction de fusion pour comprendre comment elle gère les variations de casse, de ponctuation et les métadonnées intégrées.
Stack technique
python
Domaine
backend
Type d'issue
Bug
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
2
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 heures
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
GitPython
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
80