Saltar al contenido

Registro de precisión · para reproducir

D5b

Lo que hace falta para repetir las 3 entradas de D5b en el registro: el código, la segunda implementación, el cotejo y los datos de validación agregados, cada uno con su huella md5. Son copias de lectura: las rutas del servidor van sustituidas por marcas, y lo que no se puede publicar se dice abajo, con su porqué.

Entradas

3

en el registro de precisión

Código de la medida

13

ficheros

Segunda implementación

3

ficheros

Cotejo

1

fichero

Datos de validación

7

ficheros

Cómo se rehaceCasado E1 v2: e1v2 → cotejo a mano con cotejo_ctx → e1v2_lotes. ACCO: texto de los PDF (pdf2txt_acco + medir_pdf) → citas_acco → fallo_acco → acco_casado en dos fases. Capa 0: c0_base → c0_base2 → sellado → c0_screens → c0_medir; segunda: c0_impl2 y c0_cotejo. Usa la configuración de D5 (config_d5).

Código de la medida

13 ficheros
Código de la medida de D5b: cada fichero con lo que hace, su huella y su tamaño
FicheroQué hacemd5Líneas
py/e1v2.py Casado E1 v2 de las citas por código de expediente: tokens de letras y cifras, reglas de E1 de D5 d52f015f3ba1ba4a949b7039a275c24c 180
py/e1v2_lotes.py Lotes que la v2 añade al banco (solo si el cotejo pasa) y sus capas 96bbff10f779268dd453296b7af88a33 57
_colusion/d5/py/config_d5.py Configuración por resolución de D5 (órganos por alias, periodo, banco), sin nombres de empresa 158226f03ce04690d37b45736f8ddc83 117
py/config_acco.py Configuración por resolución de la ACCO fijada antes del cruce: órganos, mercado, periodo y banco e16a18fb702cf9ad834bed715700adef 60
pdf2txt_acco.sh Lanza la extracción de texto de las resoluciones de la ACCO en el contenedor de OCR, sin red2 rutas del servidor sustituidas 65dcac0adcde5a1f5173279cebdc6723 9
py/medir_pdf.sh pdftotext por resolución y recuento de páginas y caracteres b0a9a301f163d2f3189cbd0555d6db32 14
py/citas_acco.py Citas de licitaciones por reglas en las resoluciones de la ACCO (ajustes para el catalán)4 rutas del servidor sustituidas 9a79fd614e7943de50a69dae014fbc05 101
py/fallo_acco.py Localiza por reglas el bloque del fallo de cada resolución3 rutas del servidor sustituidas 1ed26dcc05c0781a0e32ef1df8f296d9 61
py/acco_casado.py Casado de las citas de la ACCO con E1 v1 y v2 y banco con lo cotejado a mano bf7968da556e531244f7cd2e30a62976 233
py/c0_base.py Base de la capa 0: lotes de todas las fuentes, identidad, vínculos, etiqueta, exclusión y mercado afectado 80e41a0892b7ed6b3175f9da3675a53b 244
py/c0_base2.py Población principal sin deduplicar entre fuentes y recuentos por clúster, antes del sello d86d4ce004b43ffe151209729b7b22ad 43
py/c0_screens.py Screens de capa 0 de D1 sin cambiar su fórmula (BAJA_COND principal) y percentil en el mercado c1ab6c09277476bde98abd302116409d 87
py/c0_medir.py AUC estratificada, bootstrap en dos etapas, permutación con Holm y dejar un cártel fuera 18b0ed9ba2ef9230b51a6a5cbeccede6 246

Segunda implementación

3 ficheros
Segunda implementación de D5b: cada fichero con lo que hace, su huella y su tamaño
FicheroQué hacemd5Líneas
py/c0_impl2.py Segunda implementación de BAJA_COND sin reutilizar código, con otro generador para el bootstrap 2cbaf14d59cb540a78abc7205e4326c3 122
py/c0_cotejo.py Compara las dos implementaciones: percentil por lote, AUC y extremos del IC95 26c2b2711730a3d886b8eb3cd9f65ff2 24
salidas/33_c0_cotejo_impl2.md Diferencias: 0 en 13.325 percentiles y en las AUC; 24 de 26 extremos de IC a ≤ 0,02 9a97f1879fa1d888b5052733df3e423a 23

Cotejo

1 fichero
Cotejo de D5b: cada fichero con lo que hace, su huella y su tamaño
FicheroQué hacemd5Líneas
py/cotejo_ctx.py Saca, para cada casado de la muestra, la cita y su contexto frente a la ficha, para leerlos a mano2 rutas del servidor sustituidas f207e88474db824aaee7540b4237d815 29

Datos de validación

7 ficheros
Datos de validación de D5b: cada fichero con lo que hace, su huella y su tamaño
FicheroQué hacemd5Líneas
salidas/20_casado_v2.md Citas y casados v1 y v2 por resolución (recuentos) a6797aa69b70c396ce2b3fac6f111c76 32
salidas/21_v2_banco.md Resultado del cotejo (20 de 20) y lotes que la v2 añade por clúster y capa b1bdb0c8fff064b787ff29a8795a586d 13
salidas/40_acco.md Por resolución de la ACCO: citas, casados, cotejo (7 de 7), lotes, capas y controles e78d7417b8141016dc97304202e4c4a1 26
salidas/30_c0_recuentos.md Embudo de positivas y controles por clúster y banco antes y después, sin screens 250be094c869ff8c6754f1886cb9384a 99
salidas/30b_c0_recuentos.md Población principal sin deduplicar: clústeres con ≥ 10 licitaciones positivas con PBL c121580d6e6edda1f678fefd3c7fd341 53
salidas/31_c0_screens.md Lotes de la población, con percentil de BAJA_COND, y mercados 6810a98b033cd79c6420eb81aa750265 15
salidas/32_c0_auc.md AUC por clúster y en conjunto con IC95, Holm, dejar uno fuera y criterio, en banco previo y ampliado 76b8a27a575b8db0faada0b3a412c0a6 120

Pre-registros

sellados antes de medir
Los pre-registros de D5b, con su huella, la hora del sello y su texto
TextoHuella del sello (md5)Sellado
DEFINICIONES_PREVIAS.mdtal cual: su md5 es el del sello 65f1267b9b6eb6b6f6c4f035e0c7b52b 26/10/2026, 12:42:49 CET
DEFINICIONES_D1C0.mdtal cual: su md5 es el del sello 877459746897c873756702ca3111c65b 26/10/2026, 13:13:26 CET
DEFINICIONES_ACCO.mdel texto sellado lleva rutas del servidor o nombres internos: es una copia de lectura con 1 sustitución, y su huella no es la del sello b403b039fa3f401aed3b9a48541e5f7e 26/10/2026, 12:57:54 CET

Lo que no se publica

y por qué
  • Listas de lotes de cártel (salidas/lotes_cartel_d5b_v2.csv y lotes_cartel_acco.csv): banco de cárteles fila a fila: id_md5 del lote con su expediente y marca V2/V3; con la base pública identifica a la adjudicataria
  • Fallo, citas, casados y cotejos de interno/ (fallo_acco.json, citas_acco.json, casado_v2.json, casado_acco.json, cotejo_*.tsv y contextos): nombran empresas del fallo y licitaciones concretas con su contexto literal
  • Texto de las resoluciones de la ACCO (interno/texto_acco/) y sus PDF: textos de documentos leídos, con nombres de empresas y personas
  • Lotes de la capa 0 y salida por lote de la segunda (interno/c0_*.parquet, c0_impl2.json 1,3 MB, *_ids.parquet) y bases tmp/c0.duckdb (6,3 GB), d5b.duckdb: fila a fila de lotes con ids y marca; demasiado grandes para la web
  • Bancos de etiqueta de los que parte (D4c lotes_cartel_v2.csv y c1_fallo.json, D5 lotes_cartel_d5.csv y fallo_d5.json, colusion/interno/emp.csv): el banco de cárteles nombra empresas

Sus entradas del registro