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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,390 | 0,143 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».