fix: proper noun detector flagging common phrases like 'Generate Design'
Massively expanded the common words filter — added ~500 common verbs, nouns, and adjectives that frequently appear capitalized in titles, headings, UI buttons, and instructions. 'Generate Design', 'Create Account', 'Search Filter', etc. are no longer flagged as PPI. Updated both content.js and auto-detect.js with the same word list. https://claude.ai/code/session_01SWSwDfMVij53bCTNSCLMwn
This commit is contained in:
Claude
+109
-15
@@ -355,17 +355,26 @@
|
||||
|
||||
// Common English words that are capitalized but aren't proper nouns.
|
||||
// Used by the proper noun heuristic to reduce false positives.
|
||||
// Includes common verbs, nouns, adjectives that appear in titles,
|
||||
// headings, UI buttons, and instructions.
|
||||
const COMMON_CAPITALIZED = new Set([
|
||||
// Prepositions, conjunctions, articles, pronouns
|
||||
'the', 'a', 'an', 'and', 'or', 'but', 'if', 'then', 'else', 'when',
|
||||
'at', 'by', 'for', 'with', 'about', 'against', 'between', 'through',
|
||||
'during', 'before', 'after', 'above', 'below', 'to', 'from', 'up',
|
||||
'down', 'in', 'out', 'on', 'off', 'over', 'under', 'again', 'further',
|
||||
'then', 'once', 'here', 'there', 'all', 'each', 'every', 'both',
|
||||
'once', 'here', 'there', 'all', 'each', 'every', 'both',
|
||||
'few', 'more', 'most', 'other', 'some', 'such', 'no', 'nor', 'not',
|
||||
'only', 'own', 'same', 'so', 'than', 'too', 'very', 'can', 'will',
|
||||
'just', 'should', 'now', 'also', 'into', 'could', 'would', 'may',
|
||||
'might', 'shall', 'must', 'need', 'have', 'has', 'had', 'do', 'does',
|
||||
'did', 'be', 'is', 'am', 'are', 'was', 'were', 'been', 'being',
|
||||
'i', 'you', 'he', 'she', 'it', 'we', 'they', 'me', 'him', 'her',
|
||||
'us', 'them', 'my', 'your', 'his', 'its', 'our', 'their',
|
||||
'this', 'that', 'these', 'those', 'what', 'who', 'how', 'why',
|
||||
'which', 'where', 'when', 'while', 'since', 'because', 'although',
|
||||
'however', 'therefore', 'moreover', 'furthermore', 'nevertheless',
|
||||
// Common verbs (appear in titles, headings, buttons, instructions)
|
||||
'get', 'got', 'make', 'made', 'go', 'went', 'gone', 'take', 'took',
|
||||
'come', 'came', 'see', 'saw', 'know', 'knew', 'think', 'thought',
|
||||
'say', 'said', 'tell', 'told', 'give', 'gave', 'find', 'found',
|
||||
@@ -378,25 +387,110 @@
|
||||
'buy', 'wait', 'serve', 'die', 'send', 'expect', 'build', 'stay',
|
||||
'fall', 'cut', 'reach', 'kill', 'remain', 'suggest', 'raise', 'pass',
|
||||
'sell', 'require', 'report', 'decide', 'pull', 'develop', 'note',
|
||||
'however', 'because', 'although', 'since', 'while', 'where', 'which',
|
||||
'what', 'who', 'how', 'why', 'this', 'that', 'these', 'those',
|
||||
'i', 'you', 'he', 'she', 'it', 'we', 'they', 'me', 'him', 'her',
|
||||
'us', 'them', 'my', 'your', 'his', 'its', 'our', 'their',
|
||||
'new', 'old', 'big', 'small', 'long', 'short', 'good', 'bad',
|
||||
'great', 'little', 'right', 'left', 'first', 'last', 'next',
|
||||
'sure', 'like', 'well', 'back', 'still', 'even', 'much', 'many',
|
||||
// Programming/tech words that appear capitalized
|
||||
'generate', 'design', 'manage', 'process', 'handle', 'check', 'verify',
|
||||
'submit', 'apply', 'accept', 'reject', 'approve', 'deny', 'confirm',
|
||||
'cancel', 'delete', 'remove', 'edit', 'modify', 'view', 'display',
|
||||
'search', 'filter', 'sort', 'select', 'choose', 'pick', 'enter',
|
||||
'input', 'output', 'upload', 'download', 'install', 'uninstall',
|
||||
'enable', 'disable', 'activate', 'deactivate', 'toggle', 'switch',
|
||||
'connect', 'disconnect', 'sync', 'refresh', 'reload', 'reset',
|
||||
'save', 'load', 'store', 'restore', 'backup', 'export', 'import',
|
||||
'copy', 'paste', 'drag', 'drop', 'click', 'press', 'hold', 'release',
|
||||
'scroll', 'zoom', 'resize', 'expand', 'collapse', 'hide', 'reveal',
|
||||
'lock', 'unlock', 'encrypt', 'decrypt', 'sign', 'register', 'login',
|
||||
'logout', 'subscribe', 'unsubscribe', 'share', 'publish', 'deploy',
|
||||
'launch', 'test', 'debug', 'fix', 'patch', 'merge', 'split', 'join',
|
||||
'link', 'attach', 'detach', 'insert', 'append', 'prepend', 'wrap',
|
||||
'format', 'parse', 'convert', 'transform', 'translate', 'compile',
|
||||
'execute', 'render', 'animate', 'validate', 'sanitize', 'escape',
|
||||
// Common nouns (appear in titles, headings, labels)
|
||||
'account', 'action', 'address', 'alert', 'analysis', 'answer',
|
||||
'application', 'area', 'article', 'asset', 'background', 'badge',
|
||||
'banner', 'board', 'body', 'border', 'bottom', 'box', 'brand',
|
||||
'browser', 'buffer', 'button', 'cache', 'calendar', 'card', 'case',
|
||||
'category', 'center', 'channel', 'chart', 'chat', 'child', 'choice',
|
||||
'class', 'client', 'cloud', 'cluster', 'code', 'collection', 'color',
|
||||
'column', 'command', 'comment', 'community', 'company', 'component',
|
||||
'config', 'configuration', 'connection', 'console', 'contact',
|
||||
'container', 'content', 'context', 'control', 'corner', 'count',
|
||||
'country', 'cover', 'custom', 'dashboard', 'data', 'database',
|
||||
'date', 'day', 'default', 'description', 'design', 'desktop',
|
||||
'detail', 'device', 'dialog', 'directory', 'document', 'domain',
|
||||
'draft', 'driver', 'edge', 'editor', 'element', 'email', 'end',
|
||||
'engine', 'entry', 'environment', 'error', 'event', 'example',
|
||||
'exception', 'extension', 'feature', 'feedback', 'field', 'file',
|
||||
'filter', 'folder', 'font', 'footer', 'form', 'format', 'frame',
|
||||
'function', 'gallery', 'general', 'global', 'grid', 'group',
|
||||
'guide', 'handler', 'header', 'health', 'help', 'helper', 'history',
|
||||
'home', 'host', 'icon', 'image', 'index', 'info', 'input', 'instance',
|
||||
'interface', 'issue', 'item', 'job', 'key', 'label', 'language',
|
||||
'layout', 'level', 'library', 'light', 'limit', 'line', 'link',
|
||||
'list', 'local', 'location', 'log', 'logo', 'main', 'manager',
|
||||
'manual', 'map', 'margin', 'master', 'match', 'media', 'member',
|
||||
'memory', 'menu', 'message', 'method', 'middle', 'mobile', 'modal',
|
||||
'mode', 'model', 'module', 'monitor', 'name', 'navigation', 'network',
|
||||
'node', 'note', 'notification', 'number', 'object', 'option',
|
||||
'order', 'origin', 'output', 'overlay', 'overview', 'owner', 'package',
|
||||
'padding', 'page', 'panel', 'parent', 'parser', 'password', 'path',
|
||||
'pattern', 'permission', 'photo', 'pipeline', 'placeholder', 'plan',
|
||||
'platform', 'player', 'plugin', 'point', 'policy', 'pool', 'popup',
|
||||
'port', 'position', 'post', 'power', 'preview', 'primary', 'print',
|
||||
'priority', 'process', 'product', 'profile', 'program', 'progress',
|
||||
'project', 'prompt', 'property', 'protocol', 'provider', 'proxy',
|
||||
'public', 'query', 'queue', 'quick', 'radio', 'range', 'rate',
|
||||
'reader', 'record', 'region', 'release', 'remote', 'render',
|
||||
'report', 'request', 'resource', 'response', 'result', 'review',
|
||||
'role', 'root', 'route', 'row', 'rule', 'runtime', 'sample',
|
||||
'scanner', 'schema', 'scope', 'screen', 'script', 'search',
|
||||
'section', 'security', 'select', 'sender', 'server', 'service',
|
||||
'session', 'setting', 'settings', 'setup', 'share', 'shell',
|
||||
'shortcut', 'sidebar', 'signal', 'simple', 'single', 'site', 'size',
|
||||
'slider', 'slot', 'snapshot', 'socket', 'solution', 'source', 'space',
|
||||
'stage', 'standard', 'start', 'state', 'status', 'step', 'stop',
|
||||
'storage', 'store', 'stream', 'string', 'style', 'subject',
|
||||
'success', 'summary', 'support', 'switch', 'symbol', 'syntax',
|
||||
'system', 'table', 'target', 'task', 'team', 'template', 'terminal',
|
||||
'test', 'text', 'theme', 'thread', 'time', 'timer', 'title', 'token',
|
||||
'tool', 'toolbar', 'tooltip', 'top', 'total', 'track', 'traffic',
|
||||
'tree', 'trigger', 'type', 'unit', 'update', 'upload', 'user',
|
||||
'util', 'utility', 'value', 'variable', 'version', 'video', 'view',
|
||||
'virtual', 'warning', 'watch', 'web', 'widget', 'width', 'window',
|
||||
'wizard', 'word', 'worker', 'workspace', 'wrapper', 'zone',
|
||||
// Common adjectives
|
||||
'active', 'advanced', 'available', 'basic', 'best', 'better', 'blank',
|
||||
'bold', 'clean', 'clear', 'close', 'closed', 'complete', 'complex',
|
||||
'connected', 'correct', 'critical', 'current', 'dark', 'deep',
|
||||
'detailed', 'different', 'direct', 'double', 'dynamic', 'early',
|
||||
'easy', 'empty', 'entire', 'equal', 'essential', 'exact', 'extra',
|
||||
'fast', 'final', 'fine', 'fixed', 'flat', 'free', 'fresh', 'front',
|
||||
'full', 'generic', 'given', 'good', 'great', 'green', 'hard',
|
||||
'hidden', 'high', 'hot', 'huge', 'human', 'initial', 'inner',
|
||||
'internal', 'invalid', 'large', 'late', 'latest', 'left', 'light',
|
||||
'live', 'long', 'low', 'major', 'maximum', 'middle', 'minimum',
|
||||
'minor', 'mixed', 'modern', 'multiple', 'native', 'natural',
|
||||
'nested', 'neutral', 'new', 'normal', 'null', 'old', 'online',
|
||||
'open', 'optional', 'outer', 'overall', 'parallel', 'partial',
|
||||
'pending', 'plain', 'popular', 'possible', 'previous', 'primary',
|
||||
'private', 'proper', 'protected', 'quick', 'random', 'raw', 'ready',
|
||||
'real', 'recent', 'red', 'related', 'relative', 'remote', 'required',
|
||||
'responsive', 'rich', 'right', 'round', 'safe', 'secure', 'selected',
|
||||
'sensitive', 'separate', 'serial', 'shared', 'short', 'silent',
|
||||
'similar', 'simple', 'single', 'small', 'smart', 'smooth', 'soft',
|
||||
'solid', 'special', 'specific', 'stable', 'standard', 'static',
|
||||
'strict', 'strong', 'supported', 'sweet', 'thin', 'tight', 'tiny',
|
||||
'total', 'true', 'unique', 'universal', 'unknown', 'upper', 'valid',
|
||||
'various', 'virtual', 'visible', 'visual', 'warm', 'weak', 'white',
|
||||
'whole', 'wide', 'wild',
|
||||
// Programming/tech terms
|
||||
'string', 'number', 'boolean', 'object', 'array', 'function', 'class',
|
||||
'type', 'error', 'null', 'undefined', 'true', 'false', 'return',
|
||||
'import', 'export', 'default', 'const', 'let', 'var', 'async', 'await',
|
||||
'try', 'catch', 'throw', 'finally', 'switch', 'case', 'break',
|
||||
'note', 'example', 'warning', 'important', 'todo', 'fixme', 'hack',
|
||||
'step', 'option', 'result', 'value', 'key', 'data', 'info',
|
||||
'file', 'code', 'test', 'debug', 'config', 'setup', 'update',
|
||||
// Common sentence starters that aren't names
|
||||
'example', 'warning', 'important', 'todo', 'fixme', 'hack',
|
||||
// Common sentence starters
|
||||
'please', 'thanks', 'hello', 'hi', 'hey', 'dear', 'sincerely',
|
||||
'regards', 'best', 'cheers', 'sorry', 'yes', 'no', 'ok', 'okay',
|
||||
// Days and months (not PPI)
|
||||
'regards', 'best', 'cheers', 'sorry', 'yes', 'ok', 'okay',
|
||||
// Days and months
|
||||
'monday', 'tuesday', 'wednesday', 'thursday', 'friday', 'saturday', 'sunday',
|
||||
'january', 'february', 'march', 'april', 'may', 'june', 'july',
|
||||
'august', 'september', 'october', 'november', 'december',
|
||||
|
||||
@@ -257,6 +257,8 @@ const AutoDetect = {
|
||||
};
|
||||
|
||||
// Common English words to exclude from proper noun detection
|
||||
// Comprehensive list including verbs, nouns, adjectives that appear
|
||||
// in titles, headings, UI buttons, and instructions
|
||||
const COMMON_WORDS = new Set([
|
||||
'the', 'and', 'but', 'for', 'not', 'you', 'all', 'can', 'had', 'her',
|
||||
'was', 'one', 'our', 'out', 'are', 'has', 'his', 'how', 'its', 'may',
|
||||
@@ -276,6 +278,84 @@ const COMMON_WORDS = new Set([
|
||||
'number', 'other', 'point', 'right', 'small', 'state', 'thing',
|
||||
'think', 'those', 'three', 'through', 'under', 'until', 'water',
|
||||
'world', 'write', 'might', 'should', 'because', 'although',
|
||||
// Common verbs (titles, headings, buttons, instructions)
|
||||
'generate', 'design', 'manage', 'process', 'handle', 'check', 'verify',
|
||||
'submit', 'apply', 'accept', 'reject', 'approve', 'deny', 'confirm',
|
||||
'cancel', 'delete', 'remove', 'edit', 'modify', 'view', 'display',
|
||||
'search', 'filter', 'sort', 'select', 'choose', 'pick', 'enter',
|
||||
'upload', 'download', 'install', 'enable', 'disable', 'activate',
|
||||
'connect', 'disconnect', 'sync', 'refresh', 'reload', 'reset',
|
||||
'save', 'load', 'store', 'restore', 'backup', 'copy', 'paste',
|
||||
'lock', 'unlock', 'encrypt', 'decrypt', 'sign', 'register', 'login',
|
||||
'logout', 'subscribe', 'share', 'publish', 'deploy', 'launch',
|
||||
'merge', 'split', 'join', 'link', 'attach', 'insert', 'append',
|
||||
'format', 'parse', 'convert', 'transform', 'translate', 'compile',
|
||||
'execute', 'render', 'animate', 'validate', 'sanitize', 'escape',
|
||||
'create', 'build', 'start', 'stop', 'open', 'close', 'run', 'send',
|
||||
// Common nouns (titles, headings, labels)
|
||||
'account', 'action', 'address', 'alert', 'analysis', 'application',
|
||||
'area', 'article', 'asset', 'background', 'badge', 'banner', 'board',
|
||||
'body', 'border', 'bottom', 'box', 'browser', 'buffer', 'button',
|
||||
'cache', 'calendar', 'card', 'category', 'center', 'channel', 'chart',
|
||||
'chat', 'child', 'choice', 'client', 'cloud', 'code', 'collection',
|
||||
'color', 'column', 'command', 'comment', 'community', 'company',
|
||||
'component', 'config', 'configuration', 'connection', 'console',
|
||||
'contact', 'container', 'content', 'context', 'control', 'count',
|
||||
'country', 'custom', 'dashboard', 'data', 'database', 'date', 'day',
|
||||
'default', 'description', 'design', 'desktop', 'detail', 'device',
|
||||
'dialog', 'directory', 'document', 'domain', 'draft', 'driver',
|
||||
'edge', 'editor', 'element', 'email', 'engine', 'entry', 'environment',
|
||||
'error', 'event', 'example', 'extension', 'feature', 'feedback',
|
||||
'field', 'file', 'filter', 'folder', 'font', 'footer', 'form',
|
||||
'frame', 'function', 'gallery', 'general', 'global', 'grid',
|
||||
'guide', 'handler', 'header', 'health', 'help', 'history', 'home',
|
||||
'host', 'icon', 'image', 'index', 'info', 'input', 'instance',
|
||||
'interface', 'issue', 'item', 'job', 'key', 'label', 'language',
|
||||
'layout', 'level', 'library', 'light', 'limit', 'line', 'link',
|
||||
'list', 'local', 'location', 'log', 'logo', 'main', 'manager',
|
||||
'manual', 'map', 'media', 'member', 'memory', 'menu', 'message',
|
||||
'method', 'mobile', 'modal', 'mode', 'model', 'module', 'monitor',
|
||||
'navigation', 'network', 'node', 'note', 'notification', 'object',
|
||||
'option', 'order', 'origin', 'output', 'overlay', 'overview', 'owner',
|
||||
'package', 'page', 'panel', 'parent', 'parser', 'password', 'path',
|
||||
'pattern', 'permission', 'photo', 'pipeline', 'placeholder', 'plan',
|
||||
'platform', 'player', 'plugin', 'point', 'policy', 'pool', 'popup',
|
||||
'port', 'position', 'post', 'power', 'preview', 'primary', 'print',
|
||||
'priority', 'process', 'product', 'profile', 'program', 'progress',
|
||||
'project', 'prompt', 'property', 'protocol', 'provider', 'proxy',
|
||||
'public', 'query', 'queue', 'quick', 'range', 'rate', 'reader',
|
||||
'record', 'region', 'release', 'remote', 'report', 'request',
|
||||
'resource', 'response', 'result', 'review', 'role', 'root', 'route',
|
||||
'row', 'rule', 'runtime', 'sample', 'scanner', 'schema', 'scope',
|
||||
'screen', 'script', 'search', 'section', 'security', 'select',
|
||||
'sender', 'server', 'service', 'session', 'setting', 'settings',
|
||||
'setup', 'share', 'shell', 'shortcut', 'sidebar', 'signal', 'simple',
|
||||
'single', 'site', 'size', 'slider', 'snapshot', 'socket', 'solution',
|
||||
'source', 'space', 'stage', 'standard', 'status', 'step', 'storage',
|
||||
'stream', 'string', 'style', 'subject', 'success', 'summary',
|
||||
'support', 'switch', 'symbol', 'syntax', 'system', 'table', 'target',
|
||||
'task', 'team', 'template', 'terminal', 'test', 'text', 'theme',
|
||||
'thread', 'title', 'token', 'tool', 'toolbar', 'tooltip', 'total',
|
||||
'track', 'traffic', 'tree', 'trigger', 'type', 'unit', 'update',
|
||||
'upload', 'user', 'utility', 'value', 'variable', 'version', 'video',
|
||||
'view', 'virtual', 'warning', 'watch', 'web', 'widget', 'width',
|
||||
'window', 'wizard', 'word', 'worker', 'workspace', 'wrapper', 'zone',
|
||||
// Common adjectives
|
||||
'active', 'advanced', 'available', 'basic', 'clean', 'clear', 'complete',
|
||||
'connected', 'correct', 'critical', 'current', 'dark', 'deep',
|
||||
'different', 'direct', 'double', 'dynamic', 'easy', 'empty', 'entire',
|
||||
'exact', 'extra', 'fast', 'final', 'fixed', 'flat', 'free', 'fresh',
|
||||
'full', 'generic', 'given', 'hidden', 'initial', 'inner', 'internal',
|
||||
'invalid', 'latest', 'live', 'major', 'maximum', 'minimum', 'minor',
|
||||
'mixed', 'modern', 'multiple', 'native', 'natural', 'nested', 'normal',
|
||||
'online', 'optional', 'outer', 'overall', 'partial', 'pending', 'plain',
|
||||
'popular', 'possible', 'previous', 'private', 'proper', 'protected',
|
||||
'random', 'raw', 'ready', 'real', 'recent', 'related', 'relative',
|
||||
'required', 'responsive', 'safe', 'secure', 'selected', 'sensitive',
|
||||
'separate', 'shared', 'silent', 'similar', 'smart', 'smooth', 'solid',
|
||||
'special', 'specific', 'stable', 'static', 'strict', 'strong',
|
||||
'supported', 'unique', 'universal', 'unknown', 'upper', 'valid',
|
||||
'various', 'visible', 'visual', 'whole', 'wide',
|
||||
// Programming / tech terms
|
||||
'string', 'number', 'boolean', 'object', 'array', 'function', 'class',
|
||||
'type', 'error', 'null', 'undefined', 'true', 'false', 'return',
|
||||
|
||||
Reference in New Issue
Block a user