Update app.py

app.py

@@ -2,171 +2,52 @@ import gradio as gr
 import numpy as np
 import matplotlib.pyplot as plt
 
-# 生成 E 曲线
-def entrenchment_curve(strength=1.2, shift=5):
-    x = np.linspace(0, 10, 200)
-    y = 1 / (1 + np.exp(-strength*(x-shift)))
-    return x, y
-
-# 生成 C 曲线
-def conventionalization_curve(strength=0.9, shift=4):
-    x = np.linspace(0, 10, 200)
-    y = 1 / (1 + np.exp(-strength*(x-shift)))
-    return x, y
-
-# 单表达分析
-def analyze_ec(expression):
-    if not expression.strip():
-        return "请输入一个表达。", None, None, ""
-
-    entrenchment_text = (
-        f"### Entrenchment（固着 — 个体层面）\n"
-        f"表达 **「{expression}」** 在个体语言使用中反复出现，会导致：\n"
-        f"- 激活速度增强\n"
-        f"- 心理熟悉度提高\n"
-        f"- 逐渐成为最易脱口而出的默认结构\n"
-    )
-
-    conventionalization_text = (
-        f"### Conventionalization（常规化 — 社群层面）\n"
-        f"当社群中越来越多人使用 **「{expression}」** 时，它会：\n"
-        f"- 形成共享表达\n"
-        f"- 变成约定俗成的社群惯例\n"
-        f"- 在语言系统中获得更高稳定度\n"
-    )
-
-    ec_text = (
-        f"### 综合分析\n"
-        f"表达 **「{expression}」** 的固着（E）和常规化（C）相互强化，"
-        f"语言形式会进入典型的 **E → C → E 循环**，从而在语言系统中逐渐稳定下来。"
-    )
-
-    # 画图
-    x1, y1 = entrenchment_curve()
-    fig_e = plt.figure(figsize=(4.5,3.2))
-    plt.plot(x1, y1, linewidth=2)
-    plt.title("Entrenchment Curve")
-    plt.xlabel("Usage Frequency")
-    plt.ylabel("Cognitive Strength")
-    plt.tight_layout()
-
-    x2, y2 = conventionalization_curve()
-    fig_c = plt.figure(figsize=(4.5,3.2))
-    plt.plot(x2, y2, color="#ff8c42", linewidth=2)
-    plt.title("Conventionalization Curve")
-    plt.xlabel("Time / Spread")
-    plt.ylabel("Community Adoption")
-    plt.tight_layout()
-
-    return entrenchment_text + "\n\n" + conventionalization_text, fig_e, fig_c, ec_text
-
-
-# 🔥 双表达对比
-def compare_two(expr1, expr2):
-    if not expr1.strip() or not expr2.strip():
-        return "请输入两个表达进行对比。", None, None, None, ""
 
-    # 模拟差异（这里只是演示，真实可以绑定语料库）
-    strength1 = 1.2 + np.random.uniform(-0.2, 0.2)
-    strength2 = 1.2 + np.random.uniform(-0.2, 0.2)
-    shift1 = 5 + np.random.uniform(-0.4, 0.4)
-    shift2 = 5 + np.random.uniform(-0.4, 0.4)
+# ========== Mock 词频函数（保证 HuggingFace 100% 可运行） ==========
+# 你之后可以换成真实语料版本
+def get_freq(expr):
+    expr = expr.lower().replace(" ", "_")
+    return (abs(hash(expr)) % 5000) + 50     # 50–5000 之间的“伪词频”
 
-    # E 曲线
-    xA, yA = entrenchment_curve(strength1, shift1)
-    xB, yB = entrenchment_curve(strength2, shift2)
 
-    fig_e = plt.figure(figsize=(5,3.5))
-    plt.plot(xA, yA, linewidth=2, label=f"{expr1}")
-    plt.plot(xB, yB, linewidth=2, label=f"{expr2}")
-    plt.legend()
-    plt.title("Entrenchment Comparison")
-    plt.xlabel("Usage Frequency")
-    plt.ylabel("Cognitive Strength")
-    plt.tight_layout()
-
-    # C 曲线
-    xC1, yC1 = conventionalization_curve(strength1, shift1)
-    xC2, yC2 = conventionalization_curve(strength2, shift2)
-
-    fig_c = plt.figure(figsize=(5,3.5))
-    plt.plot(xC1, yC1, linewidth=2, label=f"{expr1}")
-    plt.plot(xC2, yC2, linewidth=2, label=f"{expr2}")
-    plt.legend()
-    plt.title("Conventionalization Comparison")
-    plt.xlabel("Time / Spread")
-    plt.ylabel("Community Adoption")
-    plt.tight_layout()
-
-    # 热力图（模拟差异矩阵）
-    diff = np.abs(yA - yB)[:50].reshape(10, 5)
-    fig_h = plt.figure(figsize=(4,3))
-    plt.imshow(diff, cmap="Reds", aspect="auto")
-    plt.colorbar(label="Difference Intensity")
-    plt.title("E Difference Heatmap")
-    plt.tight_layout()
+# ========== E 曲线：固着（Entrenchment） ==========
+def entrenchment_real(freq_val):
+    x = np.linspace(0, 10, 200)
+    # 高频 → 更陡
+    strength = min(2.0, 0.5 + np.log(freq_val + 1) / 4)
+    shift = 5
+    y = 1 / (1 + np.exp(-strength * (x - shift)))
+    return x, y
 
-    # 自动解释
-    explanation = f"""
-### 🔍 双表达对比解释
 
-**1. 固着（Entrenchment）对比**  
-- 若 **{expr1}** 曲线更陡峭 → 固着速度更快（更容易在大脑中自动化）。  
-- 若 **{expr2}** 曲线更平缓 → 固着程度较弱。  
+# ========== C 曲线：常规化（Conventionalization） ==========
+def conventionalization_real(freq_val):
+    x = np.linspace(0, 10, 200)
+    # 高频 → 扩散更快
+    spread = min(2.0, 0.4 + np.log(freq_val + 1) / 5)
+    shift = 4
+    y = 1 / (1 + np.exp(-spread * (x - shift)))
+    return x, y
 
-**2. 常规化（Conventionalization）对比**  
-- 若 **{expr1}** 的社区扩散曲线更早上升 → 更容易成为社群惯例。  
-- 若 **{expr2}** 上升滞后 → 社群采���速度较慢。  
 
-**3. 热力图解释**  
-- 红色越深 → 两个表达的固着差异越显著  
-- 若图像整体偏红 → 两表达的心理加工方式差异大  
-- 若接近浅色 → 两者在固着层面更相似  
+# ===================== 单表达分析 =====================
+def analyze_ec(expr):
+    f = get_freq(expr)
 
-**4. 综合判断**  
-从整体曲线趋势与热力图可看出：  
-- 若 {expr1} 曲线始终高于 {expr2} → 它在 E 和 C 两方面均占优势，语言更容易稳定化  
-- 若两者交叉，多半说明两词属于“不同语用功能/语域”  
+    entrenchment_text = f"""
+### Entrenchment（固着）
+表达 **「{expr}」** 在模拟语料中的出现频率：**{f} 次**  
+词频越高 → 个体越容易固着 → 曲线越陡。
 """
 
-    return "", fig_e, fig_c, fig_h, explanation
-
-
-# ========== UI ==========
-with gr.Blocks(
-    css="""
-    .card {background:white; padding:15px; border-radius:10px; 
-           box-shadow:0 3px 10px rgba(0,0,0,0.08); margin-bottom:12px;}
-    body {background: linear-gradient(135deg,#eef2ff,#e0f2fe);}
-    """
-) as demo:
-
-    gr.HTML("<h1 style='text-align:center'>🧠 E&C 模型互动平台（升级版）</h1>")
-
-    with gr.Tab("单表达分析"):
-        with gr.Row():
-            with gr.Column(scale=1):
-                gr.HTML("<div class='card'>")
-                expr = gr.Textbox(label="输入一个表达")
-                btn1 = gr.Button("生成单表达分析")
-                gr.HTML("</div>")
-            with gr.Column(scale=2):
-                gr.HTML("<div class='card'>")
-                out_txt = gr.Markdown()
-                gr.HTML("</div>")
-                with gr.Row():
-                    with gr.Column():
-                        gr.HTML("<div class='card'>")
-                        out_e = gr.Plot()
-                        gr.HTML("</div>")
-                    with gr.Column():
-                        gr.HTML("<div class='card'>")
-                        out_c = gr.Plot()
-                        gr.HTML("</div>")
-                gr.HTML("<div class='card'>")
-                out_sum = gr.Markdown()
-                gr.HTML("</div>")
-
-        btn1.click(analyze_ec, inputs=[expr],
-                   outputs=[out_txt, out_e, out_c, out_sum])
+    conventionalization_text = f"""
+### Conventionalization（常规化）
+出现频率越高 → 在社群中越容易被接受 → 扩散速度越快。
+"""
 
+    summary = f"""
+### 综合解释
+真实使用频率影响固着（E）与常规化（C）：
+- 高频表达 → 更易自动化 / 固着  
+- 高频表达 → 社群采用速度更快  
+这