search_path.py

# 임베딩 코사인 유사도로 시드 중심의 추정 연관 경로(트리형 네트워크)를 만드는 모듈
import numpy as np

from clusterer import _model


def build_search_path(seed: str, df, embeddings, top_n: int = 12) -> dict:
    # df와 embeddings는 같은 순서로 정렬돼 있어야 한다 (filter_by_relevance 출력)
    # 실제 순차 검색 로그가 아니라, 의미 유사도 기반 추정 연결망이다.
    if len(df) < 2:
        return {"nodes": [], "edges": []}

    df = df.reset_index(drop=True).copy()
    df["total_volume"] = df["search_volume_pc"].fillna(0) + df["search_volume_mobile"].fillna(0)
    emb = np.asarray(embeddings)

    # 검색량 상위 키워드를 노드 후보로 (시드 자신은 제외)
    order = df.sort_values("total_volume", ascending=False)
    picked = [i for i in order.index if df.loc[i, "keyword"] != seed][:top_n]

    seed_emb = _model().encode([seed], normalize_embeddings=True)[0]
    seed_vol = int(df.loc[df["keyword"] == seed, "total_volume"].max()) if (df["keyword"] == seed).any() else None

    nodes = [{"id": 0, "keyword": seed, "volume": seed_vol, "depth": 0}]
    node_vecs = [seed_emb]
    edges = []

    # 각 키워드를 "이미 배치된 노드 중 가장 유사한 것"에 붙여 트리를 만든다
    for rank, i in enumerate(picked, start=1):
        vec = emb[i]
        sims = [float(np.dot(vec, nv)) for nv in node_vecs]  # 정규화 임베딩 → 내적=코사인
        parent = int(np.argmax(sims))
        nodes.append({
            "id": rank,
            "keyword": df.loc[i, "keyword"],
            "volume": int(df.loc[i, "total_volume"]),
            "depth": nodes[parent]["depth"] + 1,
        })
        node_vecs.append(vec)
        edges.append({"source": parent, "target": rank, "relation": round(sims[parent], 3)})

    return {"nodes": nodes, "edges": edges}