C.E.L_Slide_test2/tests/matching/phase23.py

"""Phase 23 — 정제 anchor + content summary

공식: 점수 = 0.5 × 키워드 + 0.5 × 내용

- 키워드 축: keyword_base 기반 (Phase 22 과 동일)
- 내용 축: MDX summary ↔ frame.content 의 ko-sroberta cosine 유사도
  MDX summary = title + 첫 일반 문단 + slot labels (detect_mdx.build_summary 사용)
  (Phase 25 template-fit-v1 과 같은 summary 방식 — axis 간 consistency 확보)
"""
import sys
import pickle
from pathlib import Path
import numpy as np

sys.path.insert(0, str(Path(__file__).parent))

from phase_common import (
    TARGET_UNITS, load_keyword_base, load_32_frames, compute_df_idf_tier,
    extract_mdx_keywords, keyword_score,
    load_target_units, load_frame_index,
)
from embeddings import embed_texts, cosine
from detect_mdx import detect_mdx_analysis

HERE = Path(__file__).parent
PNG_REL = "../../data/figma_previews/"

W_KW = 0.5
W_CONTENT = 0.5


def run():
    kb = load_keyword_base()
    frames = load_32_frames()
    df, idf, tier, N = compute_df_idf_tier(frames)
    vocab = set()
    for v in frames.values():
        vocab.update(v["keywords"])
    units_full, units_title = load_target_units()
    idx_data, frame_to_short = load_frame_index()

    # Pre-embed all frame contents
    fids = list(frames.keys())
    frame_texts = [frames[fid].get("content", "") for fid in fids]
    frame_vecs = embed_texts(frame_texts)

    reports = []
    hits = 0
    for uid, display, correct_sid, *_ in TARGET_UNITS:
        text = units_full[uid]
        title = units_title[uid]
        mdx_kws = extract_mdx_keywords(text, vocab, keyword_base=kb)

        # content 축: detect_mdx.build_summary 기반 (title + 첫 문단 + slot labels)
        analysis = detect_mdx_analysis(text, title, anchor_vocab=None)
        mdx_summary = analysis['summary']
        mdx_vec = embed_texts([mdx_summary])[0]
        c_scores = {fids[i]: max(0.0, min(1.0, cosine(mdx_vec, frame_vecs[i])))
                    for i in range(len(fids))}

        ranked = []
        for fid, v in frames.items():
            fig_kws = set(v["keywords"])
            k_s, inter = keyword_score(mdx_kws, fig_kws, idf, tier)
            c_s = c_scores[fid]
            final = W_KW * k_s + W_CONTENT * c_s
            ranked.append((fid, final, {
                "kw": k_s, "content": c_s, "inter": sorted(inter),
            }))
        ranked.sort(key=lambda x: -x[1])
        top_sid = frame_to_short.get(ranked[0][0], "?")
        if top_sid == correct_sid:
            hits += 1
        margin = ranked[0][1] - ranked[1][1]
        reports.append({
            "uid": uid, "display": display, "correct_sid": correct_sid,
            "mdx_kws": sorted(mdx_kws), "mdx_title": title,
            "mdx_summary": mdx_summary,
            "top3": ranked[:3], "margin": margin,
        })
    return {
        "phase": 23, "desc": "정제 anchor + content summary",
        "formula": f"{W_KW} × 키워드 + {W_CONTENT} × 내용(summary)",
        "weights": (W_KW, W_CONTENT, 0.0),
        "hits": hits, "reports": reports,
        "frame_to_short": frame_to_short, "idx_data": idx_data, "frames": frames,
    }


def write_md(r):
    lines = []
    lines.append("# Phase 23 — 정제 anchor + content summary")
    lines.append("")
    lines.append(f"**공식**: `{r['formula']}`")
    lines.append(f"**결과: {r['hits']}/4 정답**")
    lines.append("")
    lines.append("**Phase 22 대비**:")
    lines.append("- 내용(의미 유사도) 축 추가")
    lines.append("- 내용: **MDX summary** ↔ frame.content 의 ko-sroberta cosine")
    lines.append("  - summary = title + 첫 일반 문단 + slot labels (detect_mdx.build_summary 사용)")
    lines.append("  - Phase 25 template-fit-v1 과 동일한 summary 방식 — axis consistency")
    lines.append("")

    # 요약
    lines.append("## 1. TARGET별 결과")
    lines.append("")
    lines.append("| MDX | 정답 | 1위 (kw / content / 최종) | 2위 | margin |")
    lines.append("|-----|------|---------------------------|-----|--------|")
    for rep in r["reports"]:
        top1 = r["frame_to_short"].get(rep["top3"][0][0], "?")
        top2 = r["frame_to_short"].get(rep["top3"][1][0], "?")
        mark = "✓" if top1 == rep["correct_sid"] else "✗"
        bd1 = rep["top3"][0][2]
        lines.append(
            f"| {rep['display']} | {rep['correct_sid']} | "
            f"{top1} ({bd1['kw']:.2f}/{bd1['content']:.2f}/{rep['top3'][0][1]:.3f}) {mark} | "
            f"{top2} ({rep['top3'][1][1]:.3f}) | {rep['margin']:.3f} |"
        )
    lines.append("")

    # Top-3 매트릭스
    lines.append("## 2. Top-3 매트릭스")
    lines.append("")
    lines.append("| 콘텐츠 | 1순위 | 2순위 | 3순위 |")
    lines.append("|--------|-------|-------|-------|")
    for rep in r["reports"]:
        row = [f"**{rep['display']}**<br>정답 Frame **{rep['correct_sid']}**"]
        for rank_idx in range(3):
            fid, score, _ = rep["top3"][rank_idx]
            sid = r["frame_to_short"].get(fid, "?")
            info = r["idx_data"].get(sid, {})
            png = info.get("png", "")
            title = info.get("title_text", "").strip().replace("\n", " ")[:15] + "…"
            inner = f"![{sid}]({PNG_REL}{png})<br>**{sid}** ({score:.3f})<br>{title}"
            if sid == rep["correct_sid"]:
                cell = f"<div style='background:#fff3cd;border:3px solid #dc2626;padding:8px;border-radius:6px'>🎯 <b>정답</b><br>{inner}</div>"
            else:
                cell = inner
            row.append(cell)
        lines.append("| " + " | ".join(row) + " |")
    lines.append("")

    # 상세
    lines.append("## 3. 유닛별 세부")
    lines.append("")
    for rep in r["reports"]:
        lines.append(f"### {rep['display']} — 정답 Frame **{rep['correct_sid']}**")
        lines.append("")
        lines.append(f"**MDX 제목**: {rep['mdx_title']}")
        lines.append(f"**MDX 키워드 ({len(rep['mdx_kws'])}개)**: {', '.join(rep['mdx_kws'])}")
        lines.append("")
        for rank, (fid, score, bd) in enumerate(rep["top3"], 1):
            sid = r["frame_to_short"].get(fid, "?")
            info = r["idx_data"].get(sid, {})
            png = info.get("png", "")
            fig_content = r["frames"][fid].get("content", "")
            common = ", ".join(bd["inter"]) if bd["inter"] else "(없음)"
            is_correct = sid == rep["correct_sid"]
            prefix = "🎯 " if is_correct else ""
            lines.append(f"**{prefix}{rank}위 Frame {sid}** {'(정답)' if is_correct else ''}")
            lines.append("")
            lines.append(f"![{sid}]({PNG_REL}{png})")
            lines.append("")
            lines.append(f"- **매칭 내용**: {fig_content}")
            lines.append(f"- **매칭 키워드**: {common}")
            lines.append(f"- **축별 점수**: 키워드 {bd['kw']:.3f} / 내용 {bd['content']:.3f}")
            lines.append(f"- **최종**: **{score:.3f}** = {W_KW}×{bd['kw']:.3f} + {W_CONTENT}×{bd['content']:.3f}")
            lines.append("")

    # 한계
    lines.append("## 4. 한계")
    lines.append("")
    lines.append("- **의미 유사 ≠ 구조 적합**: ko-sroberta는 '같은 도메인 주제'를 높게 본다. 하지만 3열 병렬과 2열 비교는 구조가 다름에도 cosine이 비슷할 수 있음.")
    lines.append("- **구조 축 부재**: MDX 2개 병렬 vs Figma 3열 템플릿이 점수로 구분되지 않음.")
    lines.append("- **재구성 불가 판정 없음**: 적합도가 낮아도 여전히 1위가 될 수 있음.")
    lines.append("- **다음 단계**: Phase 25에서 legacy 구조 축을 추가.")
    lines.append("")

    out = HERE / "MATRIX_PHASE23.md"
    out.write_text("\n".join(lines), encoding="utf-8")
    print(f"완료: {out}")


def main():
    result = run()
    with open(HERE / "_phase23_results.pkl", "wb") as f:
        pickle.dump(result, f)
    write_md(result)
    print(f"Phase 23: {result['hits']}/4 정답")


if __name__ == "__main__":
    main()