QuadDarv1ne/cinema_bot: v1.0.0: Your Personal Movie Guide on Telegram (stable)
Notice bibliographique
Résumé
Представляю Cinema Bot — вашего персонального помощника в мире кино и сериалов, прямо в Telegram! Этот бот — это не просто поисковик, а умный ассистент, который поможет вам найти информацию о любом фильме или сериале, используя мощь базы данных OMDB. Больше не нужно переключаться между вкладками — вся необходимая информация теперь у вас под рукой. Ключевые возможности: 🎬 Мгновенный поиск: Просто отправьте название фильма или сериала, и бот предоставит подробную информацию: рейтинг, жанр, год выпуска, актерский состав и сюжет. 📜 История поиска: Никогда не забывайте, что искали! Команда /history покажет вам полную историю ваших запросов. 📊 Персональная статистика: Узнайте, насколько вы киноман, с помощью команды /stats, которая покажет общее количество ваших поисков. ⚡ Умное кеширование: Для повышения скорости и снижения нагрузки на API, бот кеширует результаты запросов. Бот построен на надежном стеке технологий и легко настраивается через файл .env. Просто добавьте свой токен и API-ключ, и ваш личный кинокритик готов к работе. Полный список изменений / Full Changelog 🔍 Автор: Дуплей Максим Игоревич ORCID GitHub Школа программирования Maestro7IT TG @quadd4rv1n7 TG @dupley_maxim_1999
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,248 | 0,147 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».