# MDX ↔ Figma Frame 매칭 시스템

CEL 슬라이드 자동 변환을 위한 **MDX 콘텐츠 ↔ Figma 디자인 프레임 매칭** 파이프라인.
새 MDX 콘텐츠가 들어오면 32 개의 Figma 프레임 중 가장 적합한 프레임을 자동 추천하고, 그대로 사용 / 가벼운 편집 / 재구성 / 사용 불가 4 단계로 판정한다.

## 목적

- 한국어 비즈니스 문서 (DX/BIM 도메인) 의 MDX 섹션을 시각적 슬라이드로 변환
- 32 개 Figma 프레임 DB 에서 콘텐츠에 적합한 프레임을 자동 매칭
- 매칭 결과를 후속 단계 (텍스트 편집자 / 디자인 실무자) 에 넘겨 슬라이드 완성

## 파이프라인 (4 단계 매칭)

```
MDX 입력
  ↓
V1 키워드 매칭 (32 frame 전체)
  matching_score = 0.414 × 핵심 + 0.320 × 세트 + 0.265 × 연관
  (가중치는 Logistic Regression 학습 결과 — TARGET 4/4, LOOCV 검증)
  ↓ Top-K 후보 추출
V2 의미 매칭 (ko-sroberta cosine — 후보 재정렬)
  ↓
V3 구조 매칭
  total = 0.40 × 레이아웃 일치 + 0.35 × 콘텐츠 성격 + 0.25 × 시각 의도
  ↓
V4 종합 판정 (32 frame 전체 평가)
  confidence = 0.25 × anchor + 0.20 × cardinality + 0.20 × relation
             + 0.15 × slot + 0.20 × content − penalty
  ↓
판정 라벨: use_as_is (≥0.90) / light_edit (≥0.75) / restructure (≥0.60) / reject (<0.60)
```

## 데이터

| 입력 출처 | 개수 | 수집 문장 |
|---|---|---|
| Figma 프레임 텍스트 | 32 | 586 |
| BEPS 마스터 텍스트 | 1 | 1,410 |
| MDX 검증 구간 | 4 | 129 |
| **합계** | **37** | **2,125** |

전처리 후 최종:
- **고유 키워드 1,713 개** (= 핵심 451 + 연관 1,238 + 광범위 24)
- **키워드 세트 524 개** (frame-level 시그니처)

## 주요 산출물

| 파일 | 용도 |
|---|---|
| `mdx_matching_result.yaml` | V1 키워드 매칭 결과 |
| `v2_semantic_rerank_result.yaml` | V2 의미 매칭 결과 |
| `v3_structure_rerank_r5_result.yaml` | V3 구조 매칭 결과 (최종 r5) |
| `v4_full32_result.yaml` | V4 종합 판정 (32 frame 전체) |
| `structure_ontology_v2_final_r2.yaml` | 32 frame 의 구조 DB |
| `auto_anchor_candidates.yaml` | 키워드 세트 + 토큰 |
| `KEYWORD_INVENTORY.html` | 키워드집 생성 보고서 |
| `V4_SLOT_ABLATION.md` | slot 축 ablation 실증 |
| `DECK_01~07.html` | 임원 보고용 7 페이지 |

## 빠른 시작

```bash
# 매칭 시스템 의존 파이프라인 실행 (이미 결과 yaml 있으면 생략 가능)
cd matching/

# 1. 키워드 추출 + 정리
python pipeline_05_anchor_candidates.py
python pipeline_07_auto_anchor_candidates.py

# 2. V1~V4 매칭
python pipeline_06_2_mdx_matching.py            # V1 키워드 매칭
python pipeline_08_v2_semantic_rerank.py        # V2 의미 매칭
python pipeline_08_v3_r5_structure_rerank.py    # V3 구조 매칭 (최종)
python pipeline_17_v4_full32.py                 # V4 종합 판정

# 3. 보고용 deck 생성
python pipeline_16_deck_4pages.py               # DECK 1~7 생성
```

## 현재 성능

- **TARGET 4 섹션 정답률**: 3/4 (75%) — 01-2 / 03-1 / 03-2 정답, 02-2.2 실패
- **Logistic Regression 검증**: 4/4 (LOOCV)
- **BM25 / IDF 비교**: 현 방식 4/4 > BM25 3/4 > IDF 3/4

## 한계 + 다음 단계

`PLAN.md` / `PROGRESS.md` 참조.