6. 실습 ③ — 내 기준선 찾기

# ============================================================
# 9차시 | PPT: 09차시_임베딩이해.pptx
# 역할: 환불 문장과 관련 질문, 무관 질문의 유사도를 비교해 기준값 후보를 계산
# 입력: BASE 문장, RELATED 5개, UNRELATED 5개
# 출력: 질문별 유사도, 관련 최솟값과 무관 최댓값의 중간값
# 흐름:
#   BASE와 각 질문 -> sim() -> 점수 리스트
#     -> min(관련), max(무관)의 평균 -> print
# ============================================================
# embedding / vector: 문장을 숫자 목록으로 바꾼 값과 그 목록
# 임계값: 이 점수 이상이면 관련 있다고 볼 후보. 관련 점수와 무관 점수 사이에 둡니다.

from langchain_openai import OpenAIEmbeddings
from dotenv import load_dotenv
import numpy as np

# .env의 API 키를 읽고, 문서를 임베딩할 때와 같은 모델을 씁니다.
load_dotenv()

emb = OpenAIEmbeddings(model="text-embedding-3-small")

# similarity.py의 sim과 같은 함수입니다. 코사인 유사도를 돌려줍니다.
def sim(sentence1, sentence2):
    vector1 = emb.embed_query(sentence1)
    vector2 = emb.embed_query(sentence2)

    vector1 = np.array(vector1)
    vector2 = np.array(vector2)

    # 내적 ÷ (길이 × 길이)
    dot_product = np.dot(vector1, vector2)
    length1 = np.linalg.norm(vector1)
    length2 = np.linalg.norm(vector2)
    similarity = dot_product / (length1 * length2)
    return float(similarity)

# 기준이 되는 문서 문장입니다. 내 문서로 실습할 때는 이 줄과 아래 두 목록을 바꿉니다.
BASE = "환불은 상품 수령 후 7일 이내에 신청할 수 있습니다"

# 관련 있다고 봐야 할 질문들
RELATED = [
    "반품하고 싶어요",
    "돈 돌려받을 수 있나요?",
    "구매 취소 기간이 어떻게 되나요?",
    "물건 안 마음에 들면 어떡하죠?",
    "환불 신청 기한 알려주세요",
]

# 관련 없다고 봐야 할 질문들
UNRELATED = [
    "회사 주차장은 어디인가요?",
    "채용 공고 보고 싶어요",
    "오늘 날씨 어때요?",
    "대표이사가 누구인가요?",
    "직원 복지 제도 알려주세요",
]

# ① 관련 있는 질문들의 점수를 하나씩 구해 리스트에 담습니다.
related_scores = []

for question in RELATED:
    score = sim(BASE, question)
    related_scores.append(score)

# ② 관련 없는 질문들도 똑같이 합니다.
unrelated_scores = []

for question in UNRELATED:
    score = sim(BASE, question)
    unrelated_scores.append(score)

# 점수 리스트와 질문 리스트는 순서가 같으므로 같은 번호 i로 짝지어 찍습니다.
for i in range(len(RELATED)):
    print(f"   {related_scores[i]:.3f}  {RELATED[i]}")
# 빈 줄 하나로 관련 그룹과 무관 그룹을 나눠 보이게 합니다.
print()
for i in range(len(UNRELATED)):
    print(f"   {unrelated_scores[i]:.3f}  {UNRELATED[i]}")

# 임계값 후보 계산
# 관련 질문 중 가장 낮은 점수와, 무관 질문 중 가장 높은 점수의 중간입니다.
min_related = min(related_scores)
max_unrelated = max(unrelated_scores)

# 두 그룹 사이 한가운데를 기준으로 삼습니다. 관련 점수가 무관 점수보다 높아야 의미가 있습니다.
threshold = (min_related + max_unrelated) / 2

# 이 값을 config.py에 MIN_SCORE로 적어 두면 24차시에서 그대로 씁니다.
print(f"\n 임계값 후보 :  {threshold : .2f}")