C.E.L_Slide_test2/tests/matching/phase7.py

"""Phase 7 — 2~3단계 파이프라인 검증
한 줄 결론: semantic 단독 승자를 찾지 말고, lexical(BM25)로 top-k 후보 뽑은 뒤
           semantic(청킹+SBERT 또는 Cross)으로 rerank → 필요시 구조 감점

검증 목표:
1. Kiwi+BM25 Top-3/Top-5 recall — 파이프라인의 이론적 상한 (방향 3)
2. BM25 top-5 → Cross rerank: 4/4 가능?
3. BM25 top-5 → 청킹+SBERT rerank: 4/4 가능?
4. 각 rerank에 구조 감점 추가 시 변화
"""
import sys
import json
from pathlib import Path

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

from common import load_figma_texts
from extract_units import extract_units
from methods import (
    method_kiwi_bm25, method_cross_encoder, method_sbert_chunk,
    method_hybrid_bm25_cross, method_hybrid_bm25_sbert_chunk,
    method_hybrid_bm25_cross_struct, method_hybrid_bm25_sbert_chunk_struct,
)

ROOT = Path(r"d:\ad-hoc\kei\design_agent")
PREVIEW_DIR = ROOT / "data" / "figma_previews"

# (유닛키, 표시 이름, 정답 short ID)
TARGET_UNITS = [
    ("MDX01-2-details",    "1. (MDX 1) 팝업 — DX와 BIM의 구분", "18"),
    ("MDX02-2.2-table",    "2. (MDX 2) 2.2 DX 시행 주체별 기대효과", "14"),
    ("MDX03-1",             "3. (MDX 03) 1. DX 시행을 위한 필수요건", "13"),
    ("MDX03-2",             "4. (MDX 03) 2. Process 혁신과 Product 변화", "29"),
]


def short_id(fid, frame_to_short):
    return frame_to_short.get(str(fid), "?")


def main():
    units = extract_units()
    figma = load_figma_texts()

    with open(PREVIEW_DIR / "index.json", encoding="utf-8") as f:
        idx_data = json.load(f)
    frame_to_short = {info["frame_id"]: sid for sid, info in idx_data.items()}

    # 각 유닛에 대해 각 전략의 top3 수집
    strategies = [
        ("Kiwi+BM25 단독",                  method_kiwi_bm25,                            False),
        ("Cross 단독",                       method_cross_encoder,                       False),
        ("청킹+SBERT 단독",                  method_sbert_chunk,                         False),
        ("BM25 top5 → Cross rerank",        lambda m, f: method_hybrid_bm25_cross(m, f, top_k=5),            False),
        ("BM25 top5 → 청킹+SBERT rerank",   lambda m, f: method_hybrid_bm25_sbert_chunk(m, f, top_k=5),     False),
        ("BM25+Cross + 구조 감점(α=0.3)",    lambda m, f: method_hybrid_bm25_cross_struct(m, f, top_k=5, alpha=0.3), False),
        ("BM25+SBERT-청크 + 구조 감점",       lambda m, f: method_hybrid_bm25_sbert_chunk_struct(m, f, top_k=5, alpha=0.3), False),
    ]

    print("[Phase 7] 파이프라인 전략 검증 시작\n")

    # 1단계: Kiwi+BM25 Top-3 / Top-5 recall 확인 (방향 3)
    print("=" * 70)
    print("방향 3 — Kiwi+BM25 Top-k Recall 검증 (파이프라인 이론 상한)")
    print("=" * 70)
    recall_top3 = 0
    recall_top5 = 0
    bm25_top5_by_unit = {}
    for uid, display, correct_id in TARGET_UNITS:
        text = units[uid]
        ranked = method_kiwi_bm25(text, figma)
        top5_ids = [short_id(fid, frame_to_short) for fid, _ in ranked[:5]]
        bm25_top5_by_unit[uid] = top5_ids
        top3 = top5_ids[:3]
        in_top3 = correct_id in top3
        in_top5 = correct_id in top5_ids
        if in_top3:
            recall_top3 += 1
        if in_top5:
            recall_top5 += 1
        mark3 = "✓" if in_top3 else "✗"
        mark5 = "✓" if in_top5 else "✗"
        print(f"  {display[:45]:45s} 정답={correct_id}")
        print(f"    Top-5: {top5_ids}  |  Top-3 {mark3}  Top-5 {mark5}")
    print(f"\n  → Kiwi+BM25 Top-3 recall: {recall_top3}/4")
    print(f"  → Kiwi+BM25 Top-5 recall: {recall_top5}/4")

    # 2단계: 각 전략의 1순위 정답률
    print("\n" + "=" * 70)
    print("방향 1 — 파이프라인 전략별 1순위 정답률")
    print("=" * 70)

    strategy_results = {}
    for sname, fn, _ in strategies:
        results = []
        top3_by_unit = {}
        for uid, _, correct_id in TARGET_UNITS:
            text = units[uid]
            ranked = fn(text, figma)
            top3 = [short_id(fid, frame_to_short) for fid, _ in ranked[:3]]
            top3_by_unit[uid] = top3
            results.append(top3[0] == correct_id)
        strategy_results[sname] = (results, top3_by_unit)
        marks = ["✓" if r else "✗" for r in results]
        score = sum(results)
        print(f"  {sname:35s}  {' '.join(marks)}  = {score}/4")

    # MD 리포트
    png_rel = "../../data/figma_previews/"
    lines = []
    lines.append("# Phase 7 — 2~3단계 파이프라인 검증")
    lines.append("")
    lines.append("**한 줄 결론(사용자)**: semantic 단독 승자 말고, Kiwi+BM25로 top-k 후보 → "
                 "청킹+SBERT나 Cross로 rerank → 필요시 구조 감점, 2~3단계 파이프라인으로.")
    lines.append("")
    lines.append(f"**방향 3 — Kiwi+BM25 recall**: Top-3 {recall_top3}/4, Top-5 {recall_top5}/4")
    lines.append("(retriever 단계에서 정답이 후보군에 들어있는가 = 파이프라인 이론 상한)")
    lines.append("")

    # Kiwi+BM25 Top-5 상세
    lines.append("### Kiwi+BM25 Top-5 후보 목록")
    lines.append("")
    lines.append("| 유닛 | 정답 | Top-5 후보 | 정답 포함? |")
    lines.append("|------|------|------------|----------|")
    for uid, display, correct_id in TARGET_UNITS:
        top5 = bm25_top5_by_unit[uid]
        in_top5 = "✓" if correct_id in top5 else "✗"
        top5_str = ", ".join(top5)
        lines.append(f"| {display} | **{correct_id}** | {top5_str} | {in_top5} |")
    lines.append("")

    # 전략별 1순위 집계
    lines.append("### 전략별 1순위 정답률 집계")
    lines.append("")
    lines.append("| 전략 | MDX1 팝업(18) | MDX2 2.2(14) | MDX03-1(13) | MDX03-2(29) | 합계 |")
    lines.append("|------|---------------|--------------|-------------|-------------|------|")
    for sname, fn, _ in strategies:
        results, top3_by = strategy_results[sname]
        marks = []
        for idx, (uid, _, correct_id) in enumerate(TARGET_UNITS):
            t3 = top3_by[uid]
            mark = "✓" if results[idx] else f"✗({t3[0]})"
            marks.append(mark)
        score = sum(results)
        lines.append(f"| {sname} | {marks[0]} | {marks[1]} | {marks[2]} | {marks[3]} | **{score}/4** |")
    lines.append("")

    # 각 유닛 상세: 전략별 Top-3
    lines.append("---")
    lines.append("")
    lines.append("## 유닛별 전략 Top-3 상세")
    lines.append("")
    for uid, display, correct_id in TARGET_UNITS:
        lines.append(f"### {display} — 정답 Frame **{correct_id}**")
        lines.append("")
        lines.append("| 전략 | 1순위 | 2순위 | 3순위 |")
        lines.append("|------|-------|-------|-------|")
        for sname, fn, _ in strategies:
            _, top3_by = strategy_results[sname]
            t3 = top3_by[uid]
            row = [sname]
            for sid in t3:
                info = idx_data.get(sid, {})
                png = info.get("png", "")
                title = info.get("title_text", "").strip().replace("\n", " ") or ""
                if len(title) > 15:
                    title = title[:15] + "…"
                mark = "⭐ " if sid == correct_id else ""
                cell = f"{mark}![{sid}]({png_rel}{png})<br>**{sid}**<br>{title}"
                row.append(cell)
            lines.append("| " + " | ".join(row) + " |")
        lines.append("")

    out_path = Path(__file__).parent / "MATRIX_PHASE7.md"
    out_path.write_text("\n".join(lines), encoding="utf-8")
    print(f"\n완료: {out_path}")


if __name__ == "__main__":
    main()