Méthodologie Kaomojis — Curation, classification et QA
Cette page explique, en termes d'ingénierie, comment Kaomojis cure, classe et maintient la qualité de plus de 48 000 kaomoji. Ce n'est pas une simple liste copier-coller : nous faisons fonctionner un pipeline intégré de conception de données, déduplication, annotation multilingue, classement et QA de traduction.
1. Ingestion
Sources principales : kaomoji publics circulant sur les BBS et réseaux sociaux japonais, complétés par des originaux de nos éditeurs et des soumissions /request revues.
Un filtre automatique rejette à l'entrée les contenus basés sur des personnages, marques ou protégés.
Toutes les chaînes sont normalisées en Unicode NFC.
2. Déduplication
Chaque texte est haché en SHA-256, contrainte UNIQUE en base.
Les quasi-doublons sont signalés pour revue humaine.
Environ 8 % des candidats sont rejetés.
3. Classification
Trois couches : catégorie (émotion), événement, scène.
Brouillon IA → revue éditoriale.
Depuis la Phase 122, 7 émotions étendues à 48.
4. Classement
Le score dynamique combine qualité éditoriale, copies historiques/sur 30 jours/sur 7 jours, mentions J’aime, statut officiel et richesse des métadonnées.
Les copies et mentions J’aime sont pondérées logarithmiquement afin que quelques éléments populaires ne dominent pas sans limite.
Recalculé toutes les 15 minutes.
5. Pipeline multilingue
Le catalogue prend en charge 12 langues ; la grande majorité des kaomoji dispose d’exemples, de mots-clés et de notes.
Les langues majeures sont relues par des humains.
Les mots-clés sont des expressions naturelles, pas des traductions littérales.
6. QA traduction
audit-translations.mjs --strict hebdomadaire. Cible < 5 % non traduit.
Ajout de langue : checklist de 16 fichiers.
7. Infrastructure
Stack : Astro 6 SSR + React 19 + SQLite + PM2 + Cloudflare CDN.
TTFB ~25 ms.
Sitemap : 415 000+ URL.
8. Amélioration continue
Chaque changement enregistré comme "Phase" — en 2026-04 nous sommes à la Phase 554.
Analyse GA4 + GSC 5× par jour.
Tests A/B évalués automatiquement.
Dernière mise à jour : 2026-04-15 (Phase 554)