Mac Allister emocionon tifozët e Argjentinës: Ende ekziston një mundësi që Lionel Messi të rikthehet

Nga Mosaic, jo nga një botues

Koha e një artikulli është data që jep vetë botuesi, kur ajo është e besueshme: jo në të ardhmen dhe jo më shumë se 180 minuta para se Mosaic ta gjente artikullin. Përndryshe është çasti kur Mosaic e pa për herë të parë. „Raportimi më i hershëm që gjeti Mosaic“ është ai me kohën më të hershme; nuk provon se botuesi i tij e publikoi i pari.

Një artikull shënohet „Përsërit tekstin e një botuesi tjetër“ kur teksti i tij i pastruar është fjalë për fjalë i njëjtë me atë të një artikulli tjetër të historisë, ose pothuajse i njëjtë (shenjat SimHash të dy teksteve ndryshojnë në jo më shumë se 12 nga 64 bite). Të dy tekstet duhet të kenë të paktën 30 fjalë dhe artikujt të jenë brenda 48 orëve nga njëri-tjetri. Kjo nuk tregon kush e mori nga kush: mund të jetë tekst i një agjencie lajmesh ose një njoftim për shtyp që e kanë botuar disa media.

Shënohet po ashtu kur të paktën 50 % e vargjeve me tri fjalë të dy teksteve janë të përbashkëta (vlerësuar me MinHash), siç ndodh me një tekst të përsëritur me hyrje, fund ose elemente faqeje të ndryshme.

Një histori hapet me raportimin e pranueshëm me pikët më të larta aktuale, kur çdo raportim i pranueshëm ka pikë. Përndryshe hapet me raportimin më të hershëm që gjeti Mosaic, gjë që nuk thotë asgjë për cilësinë e tij. Tekstet që përsërisin një botues tjetër dhe artikujt me pagesë ose të organizatave nuk krahasohen.

Mendoni se një nga këto shënime është gabim? Përdorni „Kontestoje“ pranë tij: stafi i shqyrton të gjitha kontestimet.