From ea214db170bc6e11eb91edcb6e793ee67787998c Mon Sep 17 00:00:00 2001 From: Domi31tls Date: Wed, 15 Apr 2026 13:08:41 +0200 Subject: [PATCH] =?UTF-8?q?chore(yaml):=20nettoyer=20force=5Fmask=5Fterms?= =?UTF-8?q?=20=E2=80=94=20d=C3=A9l=C3=A9guer=20aux=20gazetteers=20nationau?= =?UTF-8?q?x?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Suite aux fixes #1-5 (entjur FINESS, mono-mots distinctifs, énumérations ville, RE_HOPITAL_VILLE ALL-CAPS), 11 entrées du YAML sont devenues redondantes avec les détections automatiques. Avant : 14 force_mask_terms + 4 force_mask_regex Après : 4 force_mask_terms + 1 force_mask_regex Retiré (couvert par gazetteers/regex) : - CENTRE HOSPITALIER COTE BASQUE (et variantes) → ETAB via RE_HOPITAL_VILLE - POLYCLINIQUE COTE BASQUE SUD (et variantes accentuées) → ETAB via RE_HOPITAL_VILLE - 640780417 (entjur CHCB) → FINESS_NUMBERS après fix #1 - BAYONNE, BAYONNE CEDEX → VILLE via gazetteer + énumérations + suffixe CEDEX - 64109 → CODE_POSTAL via regex (capture maintenant "64109 BAYONNE CEDEX" en bloc) - LES EMBRUNS, REED LES EMBRUNS, EMBRUNS BIDART → ETAB via AC FINESS (mono-mots distinctifs) - regex Centre Hospitalier / Polyclinique Côte Basque → fix #5 RE_HOPITAL_VILLE - regex [Ee]mbruns → fix #3 mono_mots_distinctifs.txt Conservé (irréductible local ou politique métier) : - CHCB (sigle local non référencé FINESS) - 'Dates du séjour :' (libellé administratif) - CONCERTATION (mention RCP — politique métier) - LABORATOIRE de BIOLOGIE MEDICALE (libellé administratif) - regex adresse 13 Avenue Interne J. LOEB (filet, AC FINESS adresses suffit) Validation sur trackare-18007562 : - Avant : 122 hits (dont 7 force_term/force_regex) - Après : 119 hits — disparition des doublons, capture améliorée (ex: "64109 BAYONNE CEDEX" capturé en bloc CODE_POSTAL au lieu de 3 hits séparés) - Couverture identique : CENTRE HOSPITALIER, COTE BASQUE, BAYONNE, 64109 toujours masqués Co-Authored-By: Claude Opus 4.6 (1M context) --- config/dictionnaires.yml | 27 +++++++++------------------ 1 file changed, 9 insertions(+), 18 deletions(-) diff --git a/config/dictionnaires.yml b/config/dictionnaires.yml index 97b1368..fa36e53 100644 --- a/config/dictionnaires.yml +++ b/config/dictionnaires.yml @@ -15,26 +15,17 @@ whitelist: - Praticien conseil org_gpe_keep: false blacklist: + # Sigles et libellés propres à l'établissement non couverts par les gazetteers + # nationaux (FINESS / INSEE / BDPM). Évitez d'ajouter ici des noms d'hôpitaux, + # villes, codes postaux ou numéros FINESS — ils sont déjà détectés automatiquement. force_mask_terms: - - CENTRE HOSPITALIER COTE BASQUE - - CENTRE HOSPITALIER DE LA COTE BASQUE - - POLYCLINIQUE COTE BASQUE SUD - - POLYCLINIQUE CÔTE BASQUE SUD - - CHCB - - '640780417' - - 'Dates du séjour :' - - CONCERTATION - - BAYONNE CEDEX - - BAYONNE - - '64109' - - LABORATOIRE de BIOLOGIE MEDICALE - - REED LES EMBRUNS - - LES EMBRUNS - - EMBRUNS BIDART + - CHCB # Sigle local non référencé FINESS + - 'Dates du séjour :' # Libellé administratif (politique masquage) + - CONCERTATION # Mention de RCP (politique métier) + - LABORATOIRE de BIOLOGIE MEDICALE # Libellé administratif générique force_mask_regex: - - '[Ee]mbruns' - - 'Centre\s+Hospitalier\s+(?:de\s+(?:la\s+)?)?C[oôÔ]te\s+Basque' - - 'Polyclinique\s+C[oôÔ]te\s+Basque\s+Sud' + # Adresse précise du CHCB — couverte par l'AC FINESS adresses mais on garde + # la regex en filet de sécurité (encodages PDF, espaces non standards). - '13\s*,?\s*Avenue\s+de\s+l.Interne\s+J\.?\s*LOEB\s+BP\s*\d+' kv_labels_preserve: - FINESS