Chaim
42376db4c5
**סיבת-שורש:** רג'קס respondent_claims כיסה רק צורת רבים (המשיבים/המשיבין), ולא יחיד נקבה (המשיבה) ויחיד זכר (המשיב). הכותרת "טענות המשיבה:" בתיק 8181-21 נבלעה לתוך מקטע ruling → חולצה כהלכה שגויה. **שלוש שכבות הגנה:** 1. chunker.py — הרחבת SECTION_PATTERNS לכסות יחיד/זכר/נקבה + תגובת/תשובת 2. halacha_extractor.py — עיגון חיובי: drop ל-ruling chunks שלפני legal_analysis 3. halacha_quality.py — FLAG_PARTY_CLAIM: זיהוי שפת-טענות-צד בציטוט התומך **היקף:** 93 תיקים עם 0 chunks של טענות (כנראה בגלל כותרות ביחיד שלא הוכרו); 628 הלכות מאושרות מתיקים אלה — חלקן עשויות להיות תקינות, יש לעשות re-chunk. Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
123 lines
6.1 KiB
Python
123 lines
6.1 KiB
Python
"""Tests for the Hebrew section-header patterns in the chunker.
|
|
|
|
Focuses on the singular/feminine forms that were previously missing and
|
|
caused party-claims sections to bleed into the preceding section type.
|
|
"""
|
|
from __future__ import annotations
|
|
|
|
import pytest
|
|
|
|
from legal_mcp.services.chunker import chunk_document
|
|
|
|
|
|
def _section_types(text: str) -> list[str]:
|
|
"""Return the sequence of section_type values in the chunked output."""
|
|
return [c.section_type for c in chunk_document(text)]
|
|
|
|
|
|
def _has_section(text: str, section: str) -> bool:
|
|
return section in _section_types(text)
|
|
|
|
|
|
# ── respondent_claims patterns ──────────────────────────────────────────────
|
|
|
|
@pytest.mark.parametrize("header", [
|
|
"טענות המשיבים:", # plural masculine — was working before
|
|
"טענות המשיבין:", # plural alternative — was working
|
|
"תשובת המשיבים:", # plural verb form — was working
|
|
"טענות המשיבה:", # singular feminine — BUG FIX (8181-21)
|
|
"טענות המשיב:", # singular masculine — BUG FIX
|
|
"תשובת המשיבה:", # singular feminine verb form — BUG FIX
|
|
"תגובת המשיבה:", # תגובה form — BUG FIX
|
|
"תגובת המשיבים:", # plural תגובה — BUG FIX
|
|
"עיקר טענות המשיבה:", # prefix + singular — BUG FIX
|
|
])
|
|
def test_respondent_claims_recognized(header):
|
|
# Explicit + avoids Python implicit string-literal concatenation merging
|
|
# the "\n\n" separator into the following header string.
|
|
text = (
|
|
"רקע עובדתי\n"
|
|
+ "עובדות כלליות. " * 20 + "\n\n"
|
|
+ f"{header}\n"
|
|
+ "הוועדה המקומית טוענת כי אין מקום לקבל את הערר. " * 15 + "\n\n"
|
|
+ "דיון והכרעה\n"
|
|
+ "לאחר בחינת הטענות אנו קובעים כי יש לקבל את הערר בחלקו. " * 15
|
|
)
|
|
assert _has_section(text, "respondent_claims"), (
|
|
f"Header '{header}' should produce respondent_claims chunk"
|
|
)
|
|
|
|
|
|
# ── appellant_claims patterns ────────────────────────────────────────────────
|
|
|
|
@pytest.mark.parametrize("header", [
|
|
"טענות העוררים:", # plural masculine — was working before
|
|
"טענות העוררין:", # plural alternative — was working
|
|
"טענות המערערים:", # מערערים plural — was working
|
|
"טענות העורר:", # singular masculine — BUG FIX
|
|
"טענות העוררת:", # singular feminine — BUG FIX
|
|
"טענות המערער:", # מערער singular — BUG FIX
|
|
"טענות המערערת:", # מערערת singular feminine — BUG FIX
|
|
"עיקר טענות העורר:", # prefix + singular — BUG FIX
|
|
])
|
|
def test_appellant_claims_recognized(header):
|
|
text = (
|
|
"רקע עובדתי\n"
|
|
+ "עובדות כלליות. " * 20 + "\n\n"
|
|
+ f"{header}\n"
|
|
+ "ב\"כ העורר טוען כי יש לקבל את הערר ולבטל את ההחלטה. " * 15 + "\n\n"
|
|
+ "דיון והכרעה\n"
|
|
+ "לאחר בחינת הטענות אנו קובעים כי יש לקבל את הערר בחלקו. " * 15
|
|
)
|
|
assert _has_section(text, "appellant_claims"), (
|
|
f"Header '{header}' should produce appellant_claims chunk"
|
|
)
|
|
|
|
|
|
# ── regression: existing plural forms still work ────────────────────────────
|
|
|
|
def test_regression_plural_respondent_and_legal_analysis():
|
|
"""Full decision with plural respondent — all sections must be preserved."""
|
|
text = (
|
|
"מבוא\n"
|
|
+ "ערר זה הוגש על החלטת הוועדה המקומית לתכנון ובנייה. " * 10 + "\n\n"
|
|
+ "רקע עובדתי\n"
|
|
+ "העורר רכש את הנכס בשנת 2010 ופנה לקבלת היתר בנייה. " * 10 + "\n\n"
|
|
+ "טענות העוררים:\n"
|
|
+ "ב\"כ העוררים טוען כי נפל פגם יסודי בהחלטת הוועדה. " * 10 + "\n\n"
|
|
+ "טענות המשיבים:\n"
|
|
+ "הוועדה המקומית סבורה כי ההחלטה תקינה ומבוססת. " * 10 + "\n\n"
|
|
+ "דיון והכרעה\n"
|
|
+ "לאחר בחינת הטענות קובעים כי הערר מתקבל בחלקו. " * 10
|
|
)
|
|
types = set(_section_types(text))
|
|
assert "appellant_claims" in types
|
|
assert "respondent_claims" in types
|
|
assert "legal_analysis" in types
|
|
|
|
|
|
# ── party claims do NOT bleed into legal_analysis ───────────────────────────
|
|
|
|
def test_respondent_singular_does_not_bleed_into_ruling():
|
|
"""Before the fix, "טענות המשיבה:" was absorbed into the preceding section.
|
|
After the fix it must produce its own respondent_claims chunk."""
|
|
text = (
|
|
"החלטה\n"
|
|
+ "הוועדה דנה בערר שהוגש על החלטת הוועדה המקומית. " * 10 + "\n\n"
|
|
+ "טענות המשיבה:\n"
|
|
+ "הוועדה המקומית טוענת שאין כל השבחה בנסיבות העניין. " * 10 + "\n\n"
|
|
+ "דיון\n"
|
|
+ "אנו בוחנים את הטענות לאחר עיון בחומר שהוגש. " * 10
|
|
)
|
|
# The respondent claims must NOT remain labeled as 'ruling'
|
|
chunks = chunk_document(text)
|
|
respondent_chunks = [c for c in chunks if c.section_type == "respondent_claims"]
|
|
assert len(respondent_chunks) > 0, (
|
|
"Singular 'טענות המשיבה' must produce respondent_claims chunks, not bleed into ruling"
|
|
)
|
|
# Verify the respondent text didn't end up in ruling chunks
|
|
ruling_text = " ".join(c.content for c in chunks if c.section_type == "ruling")
|
|
assert "הוועדה המקומית טוענת שאין השבחה" not in ruling_text, (
|
|
"Respondent claim text must not appear in ruling chunks"
|
|
)
|