features/research/distribution.py

"""Attention vs Density 4-Quadrant Scatter.

X-axis: attention_score
Y-axis: citation_density
Quadrant lines at median values.
Point size: fanout_count, hover: cluster_label.
"""

import statistics

import streamlit as st
import plotly.graph_objects as go


# Quadrant colors
QUAD_COLORS = {
    "high_attn_low_density": "#10B981",   # Green - Opportunity
    "high_attn_high_density": "#3B82F6",  # Blue - Competitive
    "low_attn_low_density": "#9CA3AF",    # Gray - Niche
    "low_attn_high_density": "#EF4444",   # Red - Crowded
}


def render_distribution(clusters: list[dict], frame: str = "all"):
    """Render attention vs density quadrant scatter chart."""
    scored = [
        c for c in clusters
        if c.get("attention_score") is not None
        and c.get("citation_density") is not None
    ]

    if not scored:
        st.info("스코어가 계산된 클러스터가 없습니다.")
        return

    # 4-Quadrant business interpretation (frame-specific)
    if frame == "demand":
        st.markdown("""
ChatGPT Demand 토픽을 **검색 빈도**(가로축)와 **출처 경쟁**(세로축)로 분류합니다:
- **Opportunity** (우하단): 검색 빈도 높음 + 경쟁 낮음 → 콘텐츠 선점 기회
- **Competitive** (우상단): 검색 빈도 높음 + 경쟁 높음 → 차별화 필요
- **Niche** (좌하단): 검색 빈도 낮음 + 경쟁 낮음 → 틈새 영역
- **Crowded** (좌상단): 검색 빈도 낮음 + 경쟁 높음 → 포화 영역
""")
    elif frame == "supply":
        st.markdown("""
Gemini Supply 토픽을 **인용 빈도**(가로축)와 **출처 집중도**(세로축)로 분류합니다:
- **Opportunity** (우하단): 인용 빈도 높음 + 출처 분산 → 새 출처 진입 기회
- **Competitive** (우상단): 인용 빈도 높음 + 출처 집중 → 기존 권위자 지배
- **Niche** (좌하단): 인용 빈도 낮음 + 출처 분산 → 틈새 영역
- **Crowded** (좌상단): 인용 빈도 낮음 + 출처 집중 → 포화 영역
""")
    else:
        st.markdown("""
토픽을 **AI 관심도**(가로축)와 **경쟁 밀도**(세로축)로 분류합니다:
- **Opportunity** (우하단): AI 관심 높음 + 경쟁 낮음 → 콘텐츠 선점 기회
- **Competitive** (우상단): AI 관심 높음 + 경쟁 높음 → 차별화 필요
- **Niche** (좌하단): AI 관심 낮음 + 경쟁 낮음 → 틈새 영역
- **Crowded** (좌상단): AI 관심 낮음 + 경쟁 높음 → 포화 영역
""")

    attns = [float(c["attention_score"]) for c in scored]
    densities = [float(c["citation_density"]) for c in scored]

    median_attn = statistics.median(attns)
    median_density = statistics.median(densities)

    # Classify each point into quadrant
    xs, ys, sizes, colors, hover_texts = [], [], [], [], []
    quadrant_counts = {"opportunity": 0, "competitive": 0, "niche": 0, "crowded": 0}

    for c in scored:
        attn = float(c["attention_score"])
        density = float(c["citation_density"])
        fanout_count = c.get("fanout_count", 10)
        label = c.get("cluster_label") or f"Cluster-{c['id'][:8]}"

        xs.append(attn)
        ys.append(density)
        sizes.append(max(5, min(35, fanout_count / 5)))

        if attn >= median_attn and density < median_density:
            color = QUAD_COLORS["high_attn_low_density"]
            quad = "Opportunity"
            quadrant_counts["opportunity"] += 1
        elif attn >= median_attn and density >= median_density:
            color = QUAD_COLORS["high_attn_high_density"]
            quad = "Competitive"
            quadrant_counts["competitive"] += 1
        elif attn < median_attn and density < median_density:
            color = QUAD_COLORS["low_attn_low_density"]
            quad = "Niche"
            quadrant_counts["niche"] += 1
        else:
            color = QUAD_COLORS["low_attn_high_density"]
            quad = "Crowded"
            quadrant_counts["crowded"] += 1

        colors.append(color)
        opp = float(c.get("opportunity_score", 0) or 0)
        hover_texts.append(
            f"<b>{label}</b><br>"
            f"Attention: {attn:.4f}<br>"
            f"Density: {density:.4f}<br>"
            f"Opportunity: {opp:.4f}<br>"
            f"Fanouts: {fanout_count}<br>"
            f"Quadrant: {quad}"
        )

    fig = go.Figure()

    # Data points
    fig.add_trace(go.Scatter(
        x=xs,
        y=ys,
        mode="markers",
        marker=dict(
            size=sizes,
            color=colors,
            opacity=0.7,
            line=dict(width=0.5, color="#333"),
        ),
        text=hover_texts,
        hoverinfo="text",
        showlegend=False,
    ))

    # Quadrant lines (add padding to avoid collapse when all values are identical)
    attn_span = max(attns) - min(attns) or 0.001
    density_span = max(densities) - min(densities) or 0.1
    x_range = [min(attns) - attn_span * 0.1, max(attns) + attn_span * 0.1]
    y_range = [min(densities) - density_span * 0.1, max(densities) + density_span * 0.1]

    fig.add_hline(y=median_density, line_dash="dash", line_color="#9CA3AF", opacity=0.5)
    fig.add_vline(x=median_attn, line_dash="dash", line_color="#9CA3AF", opacity=0.5)

    # Quadrant labels
    fig.add_annotation(x=x_range[1], y=y_range[0], text="🟢 Opportunity",
                       showarrow=False, font=dict(size=11, color=QUAD_COLORS["high_attn_low_density"]))
    fig.add_annotation(x=x_range[1], y=y_range[1], text="🔵 Competitive",
                       showarrow=False, font=dict(size=11, color=QUAD_COLORS["high_attn_high_density"]))
    fig.add_annotation(x=x_range[0], y=y_range[0], text="⚪ Niche",
                       showarrow=False, font=dict(size=11, color=QUAD_COLORS["low_attn_low_density"]))
    fig.add_annotation(x=x_range[0], y=y_range[1], text="🔴 Crowded",
                       showarrow=False, font=dict(size=11, color=QUAD_COLORS["low_attn_high_density"]))

    fig.update_layout(
        title="Attention vs Citation Density (4-Quadrant)",
        xaxis_title="Attention Score",
        yaxis_title="Citation Density",
        height=600,
        template="plotly_white",
        hoverlabel=dict(bgcolor="white", font_size=12),
    )

    st.plotly_chart(fig, use_container_width=True, config={"displayModeBar": False})

    # Quadrant summary with action guides
    st.markdown("#### Quadrant 요약")
    q1, q2, q3, q4 = st.columns(4)
    with q1:
        st.metric(
            "🟢 Opportunity", f"{quadrant_counts['opportunity']}개",
            help="AI 관심도 높음 + 경쟁 낮음 → 콘텐츠 선점 기회. "
                 "이 토픽에 대한 전문 콘텐츠를 제작하면 AI 답변에 인용될 가능성이 높습니다.",
        )
    with q2:
        st.metric(
            "🔵 Competitive", f"{quadrant_counts['competitive']}개",
            help="AI 관심도 높음 + 경쟁 높음 → 경쟁 치열. "
                 "차별화된 콘텐츠나 전문성이 필요합니다.",
        )
    with q3:
        st.metric(
            "⚪ Niche", f"{quadrant_counts['niche']}개",
            help="AI 관심도 낮음 + 경쟁 낮음 → 틈새 영역. "
                 "시장이 성장하면 선점 효과를 볼 수 있습니다.",
        )
    with q4:
        st.metric(
            "🔴 Crowded", f"{quadrant_counts['crowded']}개",
            help="AI 관심도 낮음 + 경쟁 높음 → 포화 영역. "
                 "새로운 진출보다 기존 콘텐츠 유지에 집중하세요.",
        )

    st.caption(f"Median Attention: {median_attn:.4f} | Median Density: {median_density:.4f}")