条件概率计算修复

examples_how/overall_derivation/tools/find_pattern.py

@@ -309,9 +309,9 @@ def main() -> None:
     post_id = "68fb6a5c000000000302e5de"
     # 已推导选题点，每项：已推导的选题点 + 推导来源人设树节点
     derived_items = [
-        # {"topic": "分享", "source_node": "分享"},
-        {"topic": "柴犬", "source_node": "动物角色"},
-        {"topic": "叙事结构", "source_node": "叙事逻辑"},
+        {"topic": "分享", "source_node": "分享"},
+        {"topic": "植入方式", "source_node": "植入方式"},
+        {"topic": "叙事结构", "source_node": "叙事结构"},
     ]
     conditional_ratio_threshold = 0.01
     top_n = 2000

examples_how/overall_derivation/utils/conditional_ratio_calc.py

@@ -120,8 +120,11 @@ def calc_node_conditional_ratio(
     return min(1.0, num / den)
 
 
-def _pattern_nodes_and_post_count(pattern: dict[str, Any]) -> tuple[list[str], int]:
-    """从 pattern 中解析出节点列表和 post_count。支持 nodes + post_count 或 i + post_count。"""
+def _pattern_nodes_and_post_count(pattern: dict[str, Any]) -> tuple[list[str], int, float]:
+    """
+    从 pattern 中解析出节点列表和 post_count。支持 nodes + post_count 或 i + post_count。
+    返回的 post_count 表示该 pattern 本身的帖子数，在条件概率计算中作为分子（即 pattern 本身的概率/占比的分子）。
+    """
     nodes = pattern.get("nodes")
     if nodes is not None and isinstance(nodes, list):
         nodes = [str(x).strip() for x in nodes if x]
@@ -129,7 +132,8 @@ def _pattern_nodes_and_post_count(pattern: dict[str, Any]) -> tuple[list[str], i
         raw = pattern.get("i") or pattern.get("pattern_str") or ""
         nodes = [x.strip() for x in str(raw).replace("+", " ").split() if x.strip()]
     post_count = int(pattern.get("post_count", 0))
-    return nodes, post_count
+    support = pattern.get("s", 0.0)
+    return nodes, post_count, support
 
 
 def calc_pattern_conditional_ratio(
@@ -152,24 +156,24 @@ def calc_pattern_conditional_ratio(
     计算规则:
         取 pattern 中「已被推导」的节点（其名称出现在 derived 的推导来源中），
         在人设树中取这些节点的 post_ids 的交集作为分母；
-        分子 = pattern.post_count。
+        分子 = pattern.post_count（由 _pattern_nodes_and_post_count 解析得到，表示 pattern 本身的帖子数）。
         条件概率 = 分子/分母，且 ≤1；分母为 0 时返回 1。
     """
-    pattern_nodes, post_count = _pattern_nodes_and_post_count(pattern)
+    pattern_nodes, post_count, pattern_s = _pattern_nodes_and_post_count(pattern)
     if not pattern_nodes or post_count <= 0:
-        return 1.0
+        return pattern_s
 
     derived_sources = set(source for _post, source in derived_list)
     # pattern 中已被推导的节点
     derived_pattern_nodes = [n for n in pattern_nodes if n in derived_sources]
     if not derived_pattern_nodes:
-        return 1.0
+        return pattern_s
 
     index = _build_node_index(account_name, base_dir)
     # 仅使用在人设树中存在的「已被推导」节点，取它们在树中的 post_ids 的交集
     derived_in_tree = [n for n in derived_pattern_nodes if n in index]
     if not derived_in_tree:
-        return 1.0
+        return pattern_s
     common: set[str] | None = None
     for name in derived_in_tree:
         pids = set(index[name][0])
@@ -178,8 +182,9 @@ def calc_pattern_conditional_ratio(
         else:
             common &= pids
     if common is None or len(common) == 0:
-        return 1.0
+        return pattern_s
     den = len(common)
+    # 分子为 pattern 本身的帖子数（post_count），分母为条件集合大小
     return min(1.0, post_count / den)
 
 
@@ -192,7 +197,7 @@ def _test_with_user_example() -> None:
     account_name = "家有大志"
     # 已推导列表：(已推导的选题点, 推导来源人设树节点)
     derived_list: list[DerivedItem] = [
-        ("分享", "分享"),
+        # ("分享", "分享"),
         # ("柴犬", "动物角色"),
     ]
 
@@ -201,7 +206,7 @@ def _test_with_user_example() -> None:
     print(f"1) 人设树节点「恶作剧」条件概率: {r_node}")
 
     # 2）pattern 分享+动物角色+创意表达 post_count=2 的条件概率
-    pattern = {"i": "分享+动物角色+创意表达", "post_count": 2}
+    pattern = {"i": "分享+动物角色+创意表达", "post_count": 2, "s": 0.3}
     r_pattern = calc_pattern_conditional_ratio(account_name, derived_list, pattern)
     print(f"2) pattern 分享+动物角色+创意表达 (post_count=2) 条件概率: {r_pattern}")