Update semantic_breed_recommender.py

semantic_breed_recommender.py

@@ -26,29 +26,27 @@ from smart_breed_filter import apply_smart_filtering
 
 class SemanticBreedRecommender:
     """
-    增強的基於 SBERT 的語義品種推薦系統 (Facade Pattern)
-    為狗品種推薦提供多維度自然語言理解
+    增強的基於 SBERT 的語義品種推薦系統 
     """
 
     def __init__(self):
         """初始化語義品種推薦器"""
-        # 初始化語義向量管理器
+        # 初始化語義vector的管理器
         self.vector_manager = SemanticVectorManager()
 
         # 初始化用戶查詢分析器
         self.query_analyzer = UserQueryAnalyzer(self.vector_manager.get_breed_list())
 
-        # 初始化匹配評分計算器
+        # 初始化評分計算器
         self.score_calculator = MatchingScoreCalculator(self.vector_manager.get_breed_list())
 
-        # 保留原有屬性以維持向後兼容性
         self.model_name = self.vector_manager.model_name
         self.sbert_model = self.vector_manager.get_sbert_model()
         self.breed_vectors = self.vector_manager.get_breed_vectors()
         self.breed_list = self.vector_manager.get_breed_list()
         self.comparative_keywords = self.query_analyzer.comparative_keywords
 
-        # 初始化增強系統組件（如果可用）
+        # 初始化增強系統組件（if 可用）
         try:
             self.query_engine = QueryUnderstandingEngine()
             print("QueryUnderstandingEngine initialized")
@@ -121,7 +119,7 @@ class SemanticBreedRecommender:
                                                top_k: int = 15) -> List[Dict[str, Any]]:
         """
         當 multi_head_scorer 不可用時的回退評分方法
-        關鍵：仍然尊重 constraint_manager 的過濾結果，並產生自然分佈的分數
+        仍然用 constraint_manager 的過濾結果，並產生自然分佈的分數
         """
         print(f"Fallback scoring for {len(passed_breeds)} filtered breeds")
 
@@ -1307,4 +1305,4 @@ def _get_basic_text_matching_recommendations(user_description: str, top_k: int =
     except Exception as e:
         error_msg = f"Error in basic text matching: {str(e)}"
         print(f"ERROR: {error_msg}")
-        raise RuntimeError(error_msg) from e
+        raise RuntimeError(error_msg) from e