Kevin Adametz
a0ac32cf95
Die Klassifizierung aus dem Trockenlauf wird jetzt nach company_email_groups geschrieben — eine Zeile je Adresse, denn ob zusammengeführt werden darf, ist eine Eigenschaft der Adresse und nicht der Firma. Die Zusammenführung (1a.3) und die laufende Zuordnung neuer API-Meldungen (1a.4) lesen dort, statt den Trockenlauf jedes Mal neu zu rechnen. Die Logik liegt jetzt in CompanyAddressClassifier und wird von Bericht und Persistierung gleichermaßen benutzt. Beide müssen dieselbe Antwort geben — sonst zeigt der Bericht etwas anderes, als die Zusammenführung später tut. manual_classification übersteuert die berechnete Klasse und überlebt jede Neuberechnung. Nötig für Grenzfälle, die nur ein Mensch entscheiden kann: presse@pr4you.de ist eine echte Agentur, sieht in den Daten aber aus wie eine Wegwerfadresse. effectiveClassification() ist die einzige Stelle, die Abnehmer fragen dürfen. Eigene Tabelle statt Spalten auf companies: Die Tabelle trägt einen FULLTEXT-Index, jedes ADD COLUMN dort ist ein Rebuild. Die Zuordnung Firma → Gruppe ist ohnehin nur die normalisierte Adresse, und die eine Stelle, die festlegt, was "dieselbe Adresse" heißt, ist jetzt Company::emailKey(). E1 ist entschieden: Schwellwert 3, nach drei Live-Läufen. Bei 2 wird jede zweite Schreibweise zur "Agentur", bei 4 wandern echte Mehrkunden-Adressen in die Handarbeit. Konfiguriert in config/newsroom.php; Bericht und Klassifizierung lesen den Wert von dort. Die Ähnlichkeitsprüfung ist quadratisch und jetzt bei 25 Repräsentanten gedeckelt — ab da steht die Klasse fest, und yahoo@yahoo.com mit über 4000 Namen hätte sonst neun Millionen Levenshtein-Aufrufe gekostet. Laufzeit über den ganzen Bestand: 25 s → 3 s, Ergebnis unverändert. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
105 lines
4.2 KiB
PHP
105 lines
4.2 KiB
PHP
<?php
|
||
|
||
namespace App\Console\Commands;
|
||
|
||
use App\Services\Company\CompanyMergeReport;
|
||
use Illuminate\Console\Command;
|
||
|
||
/**
|
||
* Trockenlauf zur Newsroom-Konsolidierung (Roadmap 1a.1).
|
||
*
|
||
* Schreibt nichts. Der Bericht steht vor 1a.2 und 1a.3, weil für die
|
||
* rückwirkende Zusammenführung im Altbestand das Portal die Verantwortung
|
||
* trägt — dort wird nicht angelegt, sondern verschmolzen, und das ist nicht
|
||
* folgenlos umkehrbar.
|
||
*/
|
||
class ReportCompanyMerge extends Command
|
||
{
|
||
protected $signature = 'companies:merge-report
|
||
{--threshold= : Ab wie vielen abweichenden Firmennamen eine Adresse als Sammeladresse gilt (Standard: config newsroom.merge.collection_threshold, E1)}
|
||
{--limit=15 : Zeilen je Liste}
|
||
{--json : Ausgabe als JSON statt als Tabelle}';
|
||
|
||
protected $description = 'Trockenlauf: welche Firmen fallen bei Zusammenführung über die Firmen-E-Mail zusammen.';
|
||
|
||
public function handle(CompanyMergeReport $report): int
|
||
{
|
||
$data = $report->build(
|
||
max(2, (int) ($this->option('threshold') ?? config('newsroom.merge.collection_threshold'))),
|
||
max(1, (int) $this->option('limit')),
|
||
);
|
||
|
||
if ($this->option('json')) {
|
||
$this->line((string) json_encode($data, JSON_PRETTY_PRINT | JSON_UNESCAPED_UNICODE | JSON_UNESCAPED_SLASHES));
|
||
|
||
return self::SUCCESS;
|
||
}
|
||
|
||
$g = $data['gesamt'];
|
||
|
||
$this->info('Trockenlauf Newsroom-Konsolidierung — es wird nichts geschrieben.');
|
||
$this->newLine();
|
||
$this->line(sprintf(' Firmen gesamt: %d', $g['firmen']));
|
||
$this->line(sprintf(' Adressen mit mehr als einer Firma: %d (%d Firmen)', $g['adressen_mehrfach'], $g['firmen_mehrfach']));
|
||
$this->line(sprintf(' Schwellwert Sammeladresse (E1): ab %d abweichenden Namen', $data['schwellwert']));
|
||
$this->newLine();
|
||
|
||
$rows = [];
|
||
$mergeable = 0;
|
||
|
||
foreach ($data['klassen'] as $class) {
|
||
$rows[] = [
|
||
$class['klasse'],
|
||
$class['adressen'],
|
||
$class['firmen'],
|
||
$class['faellt_weg'] > 0 ? $class['faellt_weg'] : '–',
|
||
$class['firmen_mit_pm'],
|
||
$class['beschreibung'],
|
||
];
|
||
|
||
$mergeable += $class['faellt_weg'];
|
||
}
|
||
|
||
$this->table(['Klasse', 'Adressen', 'Firmen', 'fällt weg', 'davon mit PM', 'Bedeutung'], $rows);
|
||
|
||
$this->line(sprintf(
|
||
' Eine automatische Zusammenführung würde %d Firmen zu bestehenden Newsrooms verschmelzen.',
|
||
$mergeable,
|
||
));
|
||
|
||
if ($data['nie_veroeffentlicht'] !== []) {
|
||
$this->newLine();
|
||
$this->warn('Adressen ohne jede Veröffentlichung — von jeder automatischen Aktion ausnehmen:');
|
||
|
||
$this->table(
|
||
['Adresse', 'Namen', 'Firmen', 'davon mit PM'],
|
||
array_map(
|
||
static fn (array $row): array => [$row['email'], $row['namen'], $row['firmen'], $row['firmen_mit_pm']],
|
||
$data['nie_veroeffentlicht'],
|
||
),
|
||
);
|
||
|
||
$this->line(' Viele Namen, nie etwas veröffentlicht. Darunter sind Platzhalter wie yahoo@yahoo.com,');
|
||
$this->line(' hinter denen gar keine Firma steht — würde über sie zusammengeführt, verschmölzen');
|
||
$this->line(' tausende unbeteiligte Firmen zu einem Newsroom. Es können aber auch inaktive');
|
||
$this->line(' Agenturen darunter sein. Deshalb: einzeln ansehen, nichts automatisch tun.');
|
||
}
|
||
|
||
if ($data['sammeladressen'] !== []) {
|
||
$this->newLine();
|
||
$this->line('<comment>Sammeladressen — Kandidaten für das Agenturmodell (3.3):</comment>');
|
||
|
||
$this->table(
|
||
['Adresse', 'Namen', 'Firmen', 'davon mit PM', 'Beispiele'],
|
||
array_map(
|
||
static fn (array $row): array => [
|
||
$row['email'], $row['namen'], $row['firmen'], $row['firmen_mit_pm'], $row['beispiele'],
|
||
],
|
||
$data['sammeladressen'],
|
||
),
|
||
);
|
||
}
|
||
|
||
return self::SUCCESS;
|
||
}
|
||
}
|