Update app.py

app.py

@@ -2,136 +2,205 @@ import gradio as gr
 import numpy as np
 import matplotlib.pyplot as plt
 
-# ---- 生成固着（Entrenchment）曲线 ----
-def generate_entrenchment_curve():
+# 生成 E 曲线
+def entrenchment_curve(strength=1.2, shift=5):
     x = np.linspace(0, 10, 200)
-    y = 1 / (1 + np.exp(-1.2*(x-5)))
-
-    fig, ax = plt.subplots(figsize=(4.5, 3.2))
-    ax.plot(x, y, linewidth=2)
-    ax.set_title("Entrenchment Curve (Individual Level)")
-    ax.set_xlabel("Usage Frequency")
-    ax.set_ylabel("Cognitive Strength")
-    fig.tight_layout()
-    return fig
-
-# ---- 生成常规化（Conventionalization）曲线 ----
-def generate_conventionalization_curve():
-    x = np.linspace(0, 10, 200)
-    y = 1 / (1 + np.exp(-0.9*(x-4)))
+    y = 1 / (1 + np.exp(-strength*(x-shift)))
+    return x, y
 
-    fig, ax = plt.subplots(figsize=(4.5, 3.2))
-    ax.plot(x, y, linewidth=2, color="#ff8c42")
-    ax.set_title("Conventionalization Curve (Community Level)")
-    ax.set_xlabel("Time / Spread")
-    ax.set_ylabel("Community Adoption")
-    fig.tight_layout()
-    return fig
+# 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
 
-# ---- 主功能：根据用户表达生成解释和图 ----
+# 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}」** 在个体语言使用中通过反复出现，会在大脑中逐渐固着：\n"
-        f"- 激活更快\n"
-        f"- 使用更顺\n"
-        f"- 成为默认表达选择\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"当越来越多的人使用 **「{expression}」** 时，它会：\n"
-        f"- 形成稳定的社群惯例\n"
-        f"- 被理解、共享、模仿\n"
-        f"- 成为一种“约定俗成”的表达\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"### E&C 综合分析\n"
-        f"根据 Schmid 的模型，表达 **「{expression}」** 的固着（E）与常规化（C）会相互强化，"
-        f"产生典型的 **E → C → E 循环**，最终促使语言形式在系统中稳定下来。"
+        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。"
     )
 
-    fig_e = generate_entrenchment_curve()
-    fig_c = generate_conventionalization_curve()
+    # 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
 
 
-
-# ---- UI（Gradio 3.x 兼容，美化版，不含 gr.Box） ----
+# 🔥 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)
+
+    # 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()
+
+    # 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。  
+
+**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 → 社群采用速度较慢。  
+
+**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  
+
+**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”  
+"""
+
+    return "", fig_e, fig_c, fig_h, explanation
+
+
+# ========== UI ==========
 with gr.Blocks(
     css="""
-    .card {
-        background: rgba(255, 255, 255, 0.78);
-        padding: 15px;
-        border-radius: 12px;
-        box-shadow: 0 4px 12px rgba(0,0,0,0.06);
-        margin-bottom: 12px;
-    }
-    .title-area {
-        text-align:center;
-        margin-bottom: 20px;
-    }
-    .title-area h1 {
-        color:#334155;
-        margin-bottom:5px;
-    }
-    .title-area h3 {
-        color:#475569;
-        font-weight: normal;
-    }
-    body {
-        background: linear-gradient(135deg, #eef2ff, #e0f2fe);
-    }
+    .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:
 
-    # 页面标题
-    gr.HTML("""
-    <div class='title-area'>
-        <h1>🧠 Entrenchment & Conventionalization Model</h1>
-        <h3>语言固着（E） × 社群常规化（C）的动态可视化平台</h3>
-    </div>
-    """)
-
-    with gr.Row():
-        # 输入区
-        with gr.Column(scale=1):
-            gr.HTML("<div class='card'>")
-            expression = gr.Textbox(
-                label="输入一个表达",
-                placeholder="如：kind of / 内卷 / OMG / 摆烂",
-            )
-            btn = gr.Button("生成 E&C 分析")
-            gr.HTML("</div>")
-
-        # 输出区
-        with gr.Column(scale=2):
-
-            gr.HTML("<div class='card'>")
-            output_text = gr.Markdown("等待输入表达…")
-            gr.HTML("</div>")
-
-            with gr.Row():
-                with gr.Column():
-                    gr.HTML("<div class='card'>")
-                    fig1 = gr.Plot()
-                    gr.HTML("</div>")
-
-                with gr.Column():
-                    gr.HTML("<div class='card'>")
-                    fig2 = gr.Plot()
-                    gr.HTML("</div>")
-
-            gr.HTML("<div class='card'>")
-            ec_summary = gr.Markdown("")
-            gr.HTML("</div>")
-
-    btn.click(analyze_ec, inputs=[expression],
-              outputs=[output_text, fig1, fig2, ec_summary])
+    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])
+
+
+    with gr.Tab("双表达对比分析"):
+        with gr.Row():
+            with gr.Column(scale=1):
+                gr.HTML("<div class='card'>")
+                expr1 = gr.Textbox(label="表达 A")
+                expr2 = gr.Textbox(label="表达 B")
+                btn2 = gr.Button("开始对比")
+                gr.HTML("</div>")
+
+            with gr.Column(scale=2):
+                with gr.Row():
+                    with gr.Column():
+                        gr.HTML("<div class='card'>")
+                        cmp_e = gr.Plot()
+                        gr.HTML("</div>")
+
+                    with gr.Column():
+                        gr.HTML("<div class='card'>")
+                        cmp_c = gr.Plot()
+                        gr.HTML("</div>")
+
+                gr.HTML("<div class='card'>")
+                heatmap = gr.Plot()
+                gr.HTML("</div>")
+
+                gr.HTML("<div class='card'>")
+                cmp_text = gr.Markdown()
+                gr.HTML("</div>")
+
+        btn2.click(compare_two, inputs=[expr1, expr2],
+                   outputs=["", cmp_e, cmp_c, heatmap, cmp_text])
 
 demo.launch()