Upload certainty_calculation_formula.py with huggingface_hub

certainty_calculation_formula.py

@@ -0,0 +1,58 @@
+def calculate_certainty(
+    initial_review: bool,
+    expert_count: int,
+    external_sources: int,
+    time_stability_bonus: float,
+    consensus_multiplier: float,
+) -> int:
+    """
+    Ilm-Athens DB層設計書に基づき、知識タイルの確実性スコアを計算します。
+
+    Args:
+        initial_review (bool): 初期レビューが完了したかどうか (完了で1, 未了で0)。
+        expert_count (int): 確認した専門家の人数。
+        external_sources (int): 参照された外部ソースの数。
+        time_stability_bonus (float): 時間的安定性によるボーナス係数 (例: 0.0-1.0)。
+        consensus_multiplier (float): 合意形成の度合いによる乗数 (例: 0.0-1.0)。
+
+    Returns:
+        int: 計算された確実性スコア (0-100)。
+    """
+    
+    initial_review_score = 1 if initial_review else 0
+    
+    score = (
+        initial_review_score * 30 +
+        expert_count * 20 +
+        external_sources * 10 +
+        time_stability_bonus * 15 +
+        consensus_multiplier * 25
+    )
+    
+    return min(100, int(score))
+
+def calculate_granularity(word_count: int) -> int:
+    """
+    Ilm-Athens DB層設計書に基づき、知識の粒度を計算します。
+    単語数ベースの推定式を使用します。
+
+    Args:
+        word_count (int): 知識コンテンツの単語数。
+
+    Returns:
+        int: 計算された粒度スコア (1-1000)。
+    """
+    import math
+
+    if word_count <= 0:
+        return 1
+        
+    # log2(0) は未定義のため、word_countが0の場合は1として扱います。
+    # 設計書では⌈log₂(word_count) × 100⌉となっていますが、
+    # 実際にはlog2(1)=0となるため、word_count=1でも結果が0になります。
+    # 最小値を1とするため、log2(word_count + 1)とするか、結果に+1するなどの調整が考えられます。
+    # ここでは簡易的に math.log2(word_count) を使用します。
+    granularity_score = math.ceil(math.log2(word_count) * 100) if word_count > 0 else 0
+
+
+    return min(1000, max(1, int(granularity_score)))