Iter-4360dd15-0158-method-pmc4083033-sentence-rewrite-template

PMC4083033 勘误：整句替换判定模板（最小可验证版）

本轮把已验证的词级 diff 结果抽象成一个可复用的判定模板，用于快速区分“局部插入/小修”与“整句替换/重写”。

输入

- old: 原句
- new: 更正句
- 预处理：按 \^\+\]|\w+|[^\w\s] 进行 token 化

判定规则（经验阈值）

1. 用 difflib.SequenceMatcher(a=old_t, b=new_t).get_opcodes() 得到编辑块
2. 统计：
- changed_blocks = 非 equal opcode 的数量
- common_tokens = equal token 数
- changed_tokens = 所有非 equal 块的 token 质量近似值
3. 若满足以下条件，则判定为 整句替换/重写：
- changed_blocks >= 2
- changed_tokens >= 4
- common_tokens >= 6
4. 否则暂记为 局部修改

已验证样例

- PMC4083033：
- 原句："In detail, female skin was thicker than those of males, which is consistent to many other previous studies [3,15,20]"
- 更正句："In detail, men have thicker skin than do women, which is consistent to many other previous studies [3,15,20]."
- 结果：rewrite
- changed_blocks=4, common_tokens=15, changed_tokens=9

对照反例

- "A was observed in the sample." → "A significant effect was observed in the sample."
- 结果：local
- 说明该模板不会把单点插入误判成整句重写

可复现代码

import difflib, re
def tok(s):
    return re.findall(r"\[[^\]]+\]|\w+|[^\w\s]", s)
old_t = tok(old)
new_t = tok(new)
op = difflib.SequenceMatcher(a=old_t, b=new_t).get_opcodes()

备注

下一步最有价值的是把这个模板升级成一个可调用工具：输入 old/new，输出 opcode、分类标签、和适合写入记忆的摘要句。