Các cơ sở dữ liệu trong mảng này không phải là những phiên bản cạnh tranh nhau của cùng một danh sách. Chúng là bốn kiểu hồ sơ khác nhau, dựng từ những nguồn khác nhau cho những mục đích khác nhau, và mỗi kiểu chuẩn xác trong một nhóm trường hẹp và không đáng tin bên ngoài nhóm đó.

Kỹ năng thực sự không nằm ở chỗ chọn ra một trang. Nó nằm ở chỗ biết mình đang xem nhóm nào, để biết nên tin trường nào của nó. Một cửa hàng biết rõ thứ mình bán và không biết gì thêm. Một cơ sở dữ liệu cộng đồng biết nhiều tác phẩm hơn và cũng sai nhiều hơn. Không bên nào nói dối bạn; chúng được dựng lên để trả lời những câu hỏi khác nhau.

Bốn nhóm cơ sở dữ liệu là những nhóm nào?

Bốn nhóm đó là: danh mục cửa hàng, cơ sở dữ liệu metadata cộng đồng, chỉ mục lấy diễn viên làm trung tâm, và chỉ mục ảnh hoặc khuôn mặt. Chúng khác nhau ở chỗ dữ liệu đến từ đâu, và điều đó quyết định toàn bộ cách chúng hỏng.

Nhóm Nguồn dữ liệu Mạnh nhất ở Điểm yếu đã biết
Danh mục cửa hàng Hồ sơ sản phẩm của chính người bán Mã chuẩn, tên chính thức, ảnh bìa, thứ hiện đang mua được Chỉ bao phủ những gì người bán đó có; tác phẩm bị gỡ có thể biến mất hoàn toàn
Cơ sở dữ liệu metadata cộng đồng Mục do cộng đồng gửi lên, thường là cào về rồi sửa tay Độ rộng, trải khắp các hãng phim và các thời kỳ, gồm cả tác phẩm đã ngừng in Độ chính xác không đồng đều, mục dữ liệu cũ, định nghĩa trường không nhất quán giữa những người đóng góp
Chỉ mục lấy diễn viên làm trung tâm Danh sách phim tổng hợp, khóa theo một con người Theo dấu tác phẩm của một người qua nhiều hãng phim và qua thời gian Đứt gãy khi đổi nghệ danh; tác phẩm thời đầu hoặc không ghi tên thường bị thiếu
Chỉ mục ảnh / khuôn mặt Ảnh bìa và ảnh cắt cảnh, khớp theo độ tương đồng thị giác Tìm ra một người khi bạn chỉ có ảnh mà không có chữ nào Chỉ trả về những gì đã được lập chỉ mục; không cho biết tên tác phẩm, chỉ cho biết người

Điểm yếu ở mỗi dòng là hệ quả trực tiếp của nguồn dữ liệu. Đó là lý do không có nỗ lực nào khiến một cửa hàng bao phủ nổi tác phẩm đã ngừng in, và cũng là lý do không cơ sở dữ liệu cộng đồng nào nhất quán nội bộ được như bảng sản phẩm của người bán.

Khi nào thì nên tra danh mục cửa hàng?

Hãy tra cửa hàng khi bạn cần dạng chuẩn của một hồ sơ: mã chính xác, tên chính thức đúng như nhà phân phối viết, ảnh bìa, và liệu tác phẩm đó hiện có bán hay không.

Dữ liệu cửa hàng là sản phẩm phụ của việc buôn bán, và chính điều đó khiến nó đáng tin một cách bất thường trong phạm vi của nó: người bán có lý do vận hành trực tiếp để giữ mã, tên và tình trạng còn hàng cho đúng, vì chính những trường ấy điều khiển tìm kiếm và giao hàng của họ. Không ai có động lực đó với một tác phẩm họ đã ngừng bán từ nhiều năm trước, và đó đúng là chỗ các cửa hàng trở nên trống trơn.

Sai lầm là coi cửa hàng như một cuộc tổng điều tra. Không có mặt trên một cửa hàng nghĩa là "không bán ở đây", không bao giờ nghĩa là "không tồn tại". Nếu bạn đang muốn xác định một thứ có từng ra mắt hay không, cửa hàng là công cụ sai.

Dữ liệu cửa hàng cũng là loại dữ liệu dễ đọc bằng máy nhất trong mảng này, điều đáng biết nếu bạn định xây dựng thứ gì đó. Bên vận hành FANZA công bố một API sản phẩm tại api.dmm.com/affiliate/v3/ với các endpoint riêng cho sản phẩm, diễn viên, nhà sản xuất, series, thể loại và các gian hàng của danh mục, trả về content ID, tên tác phẩm, ngày tháng và URL ảnh; nó đòi API ID và affiliate ID, nên bị chắn sau một tài khoản affiliate chứ không mở (đối chiếu với chính Go SDK của DMM.com Labo, pkg.go.dev/github.com/dmmcomlabo/dmm-go-sdk/api, kiểm tra 2026-08-03). Đó là khuôn mẫu chung của thị trường: danh mục có sẵn ở dạng khối lớn, nhưng dưới hình thức một luồng dữ liệu affiliate, kèm theo mọi ràng buộc thương mại đi cùng.

Khi nào thì nên tin cơ sở dữ liệu cộng đồng hơn?

Hãy tin cơ sở dữ liệu cộng đồng ở sự tồn tại và độ rộng — xác định rằng một tác phẩm hay một diễn viên có tồn tại, và tìm ra thứ không còn được bán ở đâu nữa.

Đó là giá trị thật, và không nguồn thương mại nào tái tạo được. Cái giá phải trả là định nghĩa các trường trôi dạt giữa những người đóng góp. "Ngày phát hành" có thể là ngày công bố, ngày phát hành bản số, hoặc ngày ra đĩa. Phần ghi công có thể chép từ ảnh bìa, từ một trang bán hàng, hoặc từ một cơ sở dữ liệu khác vốn đã chép nó từ chỗ nào đó nữa. Lỗi lan truyền vì các cơ sở dữ liệu cào lẫn nhau, và đó là lý do cùng một năm sinh sai có thể xuất hiện trên bốn trang và trông như thể được chứng thực chéo.

Hãy coi việc các cơ sở dữ liệu cộng đồng khớp nhau là bằng chứng yếu, không phải bằng chứng mạnh. Hai trang khớp nhau có thể nghĩa là hai hồ sơ độc lập — hoặc một hồ sơ được chép lại hai lần.

Chỉ mục lấy diễn viên làm trung tâm làm được gì mà các loại khác không làm được?

Chỉ mục diễn viên được khóa theo một con người thay vì một sản phẩm, và đó là cấu trúc duy nhất có thể đi theo một sự nghiệp xuyên qua nhiều hãng phim.

Đó là chức năng thật của nó. Cửa hàng sắp xếp theo thứ mình bán; chỉ mục diễn viên sắp xếp theo người có mặt trong đó. Nếu bạn muốn biết một người đã làm gì trước và sau khi đổi hãng phim, chỉ có cấu trúc khóa theo con người mới trả lời được điều đó trong một lần tra.

Kiểu hỏng đặc trưng của chúng là đổi nghệ danh. Nghệ danh thay đổi khi đổi công ty quản lý, khi đổi hãng phim, và đôi khi giữa lần ra mắt đầu và lần tái xuất, rồi cùng một người trở thành hai mục dữ liệu với hai danh sách phim dở dang. Không có gì trong một cơ sở dữ liệu dựa trên chữ phát hiện được chuyện này một cách tự động — hai hồ sơ đó không chia sẻ trường nào cả.

Đó cũng là lý do một danh sách phim nên được đọc như một mức sàn. Nó là danh sách những gì chỉ mục này biết là đã ghi công cho cái tên này, không phải danh sách những gì người đó đã làm.

Chỉ mục ảnh hoặc khuôn mặt nằm ở đâu trong bức tranh này?

Chỉ mục ảnh trả lời đúng câu hỏi mà các loại kia về mặt cấu trúc không thể trả lời: người này là ai, khi tất cả những gì bạn có chỉ là một tấm ảnh.

Mọi cơ sở dữ liệu dựa trên chữ đều đòi bạn phải biết sẵn một cái tên, một mã hay một tựa phim. Nếu bạn có một khung hình cắt từ video và không có chữ nào cả, chúng không có cửa vào. Khớp khuôn mặt lật ngược chuyện đó: nó phát hiện khuôn mặt, mã hóa thành một vector, rồi đem so với những khuôn mặt đã được lập chỉ mục, và trả về con người chứ không phải tác phẩm.

Chỉ mục của chúng tôi chứa 241,792 khuôn mặt của 2,333 diễn viên có tên, lấy từ ảnh bìa và ảnh cắt cảnh trên 106 trang (chỉ mục của chúng tôi, ảnh chụp 2026-08).

Ranh giới quan trọng hơn con số. Độ phủ không trải đều: trong 2,333 diễn viên có tên, 2,246 người có ảnh đại diện lấy từ một trang duy nhất. Đó là một độ lệch đáng kể, và nó có nghĩa là một diễn viên chưa từng xuất hiện trên nguồn chiếm ưu thế của chúng tôi sẽ khó được tìm thấy hơn nhiều — trong khi công cụ vẫn cứ trả về một danh sách xếp hạng những kết quả suýt trúng. Bất kỳ chỉ mục ảnh nào cũng mang dạng giới hạn này; những chỉ mục hữu ích là những chỉ mục nói cho bạn biết điều đó.

Chỉ mục ảnh cũng không cho bạn tên tác phẩm. Nó cho bạn một con người, còn tên tác phẩm đến từ bước thứ hai — thu hẹp dần trong số tác phẩm đã biết của người đó dựa vào chi tiết cảnh quay. Tìm theo khuôn mặt và cơ sở dữ liệu danh sách phim bổ trợ cho nhau, không thay thế nhau.

Làm sao biết một mục dữ liệu cụ thể có đáng tin không?

Hãy đánh giá mục dữ liệu, đừng đánh giá cả trang. Bốn dấu hiệu phân biệt một hồ sơ đã được kiểm với một hồ sơ chỉ được chép lại:

  1. Nó có dẫn một mã nguồn không? Một mục dữ liệu mang theo mã sản phẩm của chính nhà phân phối thì truy ngược được. Mục chỉ có tựa phim thì không.
  2. Nó có phân biệt nghệ danh cũ với nghệ danh hiện tại không? Cơ sở dữ liệu nào mô hình hóa nghệ danh cũ một cách tường minh là đã nghĩ tới chuyện đổi tên. Cơ sở dữ liệu chỉ có một trường tên phẳng sẽ lặng lẽ chẻ đôi sự nghiệp.
  3. Hồ sơ có ghi ngày không? Một mục dữ liệu không có "cập nhật lần cuối" thì không thể phân biệt với một mục bị bỏ hoang từ năm 2015.
  4. Trường trống thì để trống, hay bị nhét đầy thứ vô nghĩa mà nghe hợp lý? Các giá trị giữ chỗ — số đo tròn trịa, ngày sinh mặc định — là dấu hiệu mạnh cho thấy trường đó chưa từng được kiểm chứng. Một trường bỏ trống thành thật hơn một trường đoán bừa.

Áp dụng đều đặn, bốn câu hỏi này giúp ích cho độ chính xác nhiều hơn hẳn việc chọn ra một trang "tốt nhất", vì chúng cho phép bạn chấm điểm từng hồ sơ một thay vì tin nguyên cả một nguồn.

Câu hỏi liên quan

Những nguồn chúng tôi lập chỉ mục, và mỗi nguồn đóng góp gì, được liệt kê ở trang danh sách nguồn.