#12 Wort-Highlighting Frontend, #14 Leerstellen-Detektor, #15 Narrative Shift,
#13/#16/#17/#18 Qwen-Analyse-Scripts
- Frontend: Wort-Level-Highlighting im Transkript — jedes Wort als <span> mit
Timestamp, Karaoke-Style Sync bei Wiedergabe, CSS word-active/word-spoken
- API: /api/.../words Endpoint liefert Wort-Timestamps
- #14 detect_gaps.py: K-Means-Clustering über 3727 Embeddings, identifiziert
Leerstellen (Themen die in einem Podcast fehlen). Ergebnis: gaps_analysis.json
- #15 detect_narrative_shift.py: Embedding-Drift pro Thema über Episodenfolge,
erkennt Framing-Wechsel. Ergebnis: narrative_shifts.json
- #13 analyse_arguments.py: Qwen klassifiziert logische Relationen (erweitert,
widerspricht, belegt, relativiert) zwischen semantisch ähnlichen Absätzen
- #16 extract_claims.py: Qwen extrahiert prüfbare Behauptungen (Zahlen, Statistiken)
- #17 extract_questions.py: Qwen extrahiert und klassifiziert Fragen
- #18 curate_debates.py: Qwen kuratiert Cross-Podcast-Gegenüberstellungen
- run_all_qwen.sh: Sequentielle Pipeline für alle Qwen-Tasks (vermeidet DB-Locks)
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-23 22:29:41 +02:00
|
|
|
#!/usr/bin/env python3
|
|
|
|
|
"""#13 Argumentketten-Tracker: Klassifiziere logische Relationen zwischen semantisch ähnlichen Absätzen.
|
|
|
|
|
|
|
|
|
|
Nimmt die Top-N semantic_links und lässt Qwen die Relation klassifizieren:
|
|
|
|
|
erweitert, widerspricht, belegt, relativiert, gleicher_punkt, kein_bezug.
|
|
|
|
|
|
|
|
|
|
Nutzung:
|
|
|
|
|
DASHSCOPE_API_KEY=... python3 analyse_arguments.py [db-pfad] [limit]
|
|
|
|
|
"""
|
|
|
|
|
|
|
|
|
|
import json
|
|
|
|
|
import os
|
|
|
|
|
import sys
|
|
|
|
|
import time
|
|
|
|
|
import sqlite3
|
|
|
|
|
|
|
|
|
|
from openai import OpenAI
|
|
|
|
|
|
2026-04-28 00:30:45 +02:00
|
|
|
# Lokaler Helper
|
|
|
|
|
sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
|
|
|
|
|
from json_utils import parse_llm_json
|
|
|
|
|
|
#12 Wort-Highlighting Frontend, #14 Leerstellen-Detektor, #15 Narrative Shift,
#13/#16/#17/#18 Qwen-Analyse-Scripts
- Frontend: Wort-Level-Highlighting im Transkript — jedes Wort als <span> mit
Timestamp, Karaoke-Style Sync bei Wiedergabe, CSS word-active/word-spoken
- API: /api/.../words Endpoint liefert Wort-Timestamps
- #14 detect_gaps.py: K-Means-Clustering über 3727 Embeddings, identifiziert
Leerstellen (Themen die in einem Podcast fehlen). Ergebnis: gaps_analysis.json
- #15 detect_narrative_shift.py: Embedding-Drift pro Thema über Episodenfolge,
erkennt Framing-Wechsel. Ergebnis: narrative_shifts.json
- #13 analyse_arguments.py: Qwen klassifiziert logische Relationen (erweitert,
widerspricht, belegt, relativiert) zwischen semantisch ähnlichen Absätzen
- #16 extract_claims.py: Qwen extrahiert prüfbare Behauptungen (Zahlen, Statistiken)
- #17 extract_questions.py: Qwen extrahiert und klassifiziert Fragen
- #18 curate_debates.py: Qwen kuratiert Cross-Podcast-Gegenüberstellungen
- run_all_qwen.sh: Sequentielle Pipeline für alle Qwen-Tasks (vermeidet DB-Locks)
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-23 22:29:41 +02:00
|
|
|
DB_PATH = sys.argv[1] if len(sys.argv) > 1 else "data/db.sqlite"
|
2026-04-28 00:30:45 +02:00
|
|
|
LIMIT = int(sys.argv[2]) if len(sys.argv) > 2 and not sys.argv[2].startswith("--") else 500
|
|
|
|
|
RERUN_ERRORS = "--rerun-errors" in sys.argv
|
#12 Wort-Highlighting Frontend, #14 Leerstellen-Detektor, #15 Narrative Shift,
#13/#16/#17/#18 Qwen-Analyse-Scripts
- Frontend: Wort-Level-Highlighting im Transkript — jedes Wort als <span> mit
Timestamp, Karaoke-Style Sync bei Wiedergabe, CSS word-active/word-spoken
- API: /api/.../words Endpoint liefert Wort-Timestamps
- #14 detect_gaps.py: K-Means-Clustering über 3727 Embeddings, identifiziert
Leerstellen (Themen die in einem Podcast fehlen). Ergebnis: gaps_analysis.json
- #15 detect_narrative_shift.py: Embedding-Drift pro Thema über Episodenfolge,
erkennt Framing-Wechsel. Ergebnis: narrative_shifts.json
- #13 analyse_arguments.py: Qwen klassifiziert logische Relationen (erweitert,
widerspricht, belegt, relativiert) zwischen semantisch ähnlichen Absätzen
- #16 extract_claims.py: Qwen extrahiert prüfbare Behauptungen (Zahlen, Statistiken)
- #17 extract_questions.py: Qwen extrahiert und klassifiziert Fragen
- #18 curate_debates.py: Qwen kuratiert Cross-Podcast-Gegenüberstellungen
- run_all_qwen.sh: Sequentielle Pipeline für alle Qwen-Tasks (vermeidet DB-Locks)
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-23 22:29:41 +02:00
|
|
|
|
|
|
|
|
API_KEY = os.environ.get("DASHSCOPE_API_KEY", "")
|
|
|
|
|
BASE_URL = "https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
|
|
|
|
|
MODEL = "qwen-plus"
|
|
|
|
|
|
|
|
|
|
SYSTEM_PROMPT = """Du bist ein Diskursanalyst. Du erhältst zwei Textabschnitte aus Podcast-Transkripten.
|
|
|
|
|
Klassifiziere die logische Relation zwischen ihnen. Antworte NUR mit einem JSON-Objekt:
|
|
|
|
|
|
|
|
|
|
{"relation": "...", "confidence": 0.0-1.0, "explanation": "Ein Satz Begründung"}
|
|
|
|
|
|
|
|
|
|
Mögliche Relationen:
|
|
|
|
|
- "erweitert": B baut auf A auf, ergänzt, vertieft
|
|
|
|
|
- "widerspricht": B widerspricht A, nennt Gegenargument
|
|
|
|
|
- "belegt": B liefert Evidenz/Daten für A's These
|
|
|
|
|
- "relativiert": B schränkt A ein, nennt Ausnahmen/Bedingungen
|
|
|
|
|
- "gleicher_punkt": A und B sagen im Kern dasselbe
|
|
|
|
|
- "kein_bezug": Trotz thematischer Nähe kein logischer Bezug"""
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
def classify_pair(client, text_a, meta_a, text_b, meta_b):
|
|
|
|
|
user_msg = f"""Absatz A ({meta_a}):
|
|
|
|
|
"{text_a}"
|
|
|
|
|
|
|
|
|
|
Absatz B ({meta_b}):
|
|
|
|
|
"{text_b}"
|
|
|
|
|
|
|
|
|
|
Welche logische Relation besteht von A zu B?"""
|
|
|
|
|
|
2026-04-28 00:30:45 +02:00
|
|
|
last_err = None
|
|
|
|
|
for attempt in range(3):
|
|
|
|
|
try:
|
|
|
|
|
resp = client.chat.completions.create(
|
|
|
|
|
model=MODEL,
|
|
|
|
|
messages=[
|
|
|
|
|
{"role": "system", "content": SYSTEM_PROMPT},
|
|
|
|
|
{"role": "user", "content": user_msg},
|
|
|
|
|
],
|
|
|
|
|
temperature=0.1,
|
|
|
|
|
max_tokens=200,
|
|
|
|
|
)
|
|
|
|
|
content = resp.choices[0].message.content
|
|
|
|
|
usage = getattr(resp, "usage", None)
|
|
|
|
|
tokens = (usage.prompt_tokens, usage.completion_tokens) if usage else (0, 0)
|
|
|
|
|
try:
|
|
|
|
|
parsed = parse_llm_json(content, expect="object")
|
|
|
|
|
parsed["_tokens"] = tokens
|
|
|
|
|
return parsed
|
|
|
|
|
except ValueError as pe:
|
|
|
|
|
last_err = f"parse: {pe}"
|
|
|
|
|
# Bei Parse-Fehler kein Retry: das Modell wuerde wieder dasselbe liefern.
|
|
|
|
|
break
|
|
|
|
|
except Exception as e:
|
|
|
|
|
last_err = str(e)
|
|
|
|
|
# Retry bei Netzwerk/Rate-Limit
|
|
|
|
|
if attempt < 2:
|
|
|
|
|
time.sleep(2 ** attempt)
|
|
|
|
|
continue
|
|
|
|
|
break
|
|
|
|
|
return {"relation": "error", "confidence": 0, "explanation": str(last_err), "_tokens": (0, 0)}
|
#12 Wort-Highlighting Frontend, #14 Leerstellen-Detektor, #15 Narrative Shift,
#13/#16/#17/#18 Qwen-Analyse-Scripts
- Frontend: Wort-Level-Highlighting im Transkript — jedes Wort als <span> mit
Timestamp, Karaoke-Style Sync bei Wiedergabe, CSS word-active/word-spoken
- API: /api/.../words Endpoint liefert Wort-Timestamps
- #14 detect_gaps.py: K-Means-Clustering über 3727 Embeddings, identifiziert
Leerstellen (Themen die in einem Podcast fehlen). Ergebnis: gaps_analysis.json
- #15 detect_narrative_shift.py: Embedding-Drift pro Thema über Episodenfolge,
erkennt Framing-Wechsel. Ergebnis: narrative_shifts.json
- #13 analyse_arguments.py: Qwen klassifiziert logische Relationen (erweitert,
widerspricht, belegt, relativiert) zwischen semantisch ähnlichen Absätzen
- #16 extract_claims.py: Qwen extrahiert prüfbare Behauptungen (Zahlen, Statistiken)
- #17 extract_questions.py: Qwen extrahiert und klassifiziert Fragen
- #18 curate_debates.py: Qwen kuratiert Cross-Podcast-Gegenüberstellungen
- run_all_qwen.sh: Sequentielle Pipeline für alle Qwen-Tasks (vermeidet DB-Locks)
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-23 22:29:41 +02:00
|
|
|
|
|
|
|
|
|
|
|
|
|
def main():
|
|
|
|
|
if not API_KEY:
|
|
|
|
|
print("DASHSCOPE_API_KEY nicht gesetzt.")
|
|
|
|
|
sys.exit(1)
|
|
|
|
|
|
|
|
|
|
client = OpenAI(api_key=API_KEY, base_url=BASE_URL)
|
2026-04-28 00:30:45 +02:00
|
|
|
db = sqlite3.connect(DB_PATH, timeout=60.0)
|
|
|
|
|
db.execute("PRAGMA busy_timeout=60000")
|
#12 Wort-Highlighting Frontend, #14 Leerstellen-Detektor, #15 Narrative Shift,
#13/#16/#17/#18 Qwen-Analyse-Scripts
- Frontend: Wort-Level-Highlighting im Transkript — jedes Wort als <span> mit
Timestamp, Karaoke-Style Sync bei Wiedergabe, CSS word-active/word-spoken
- API: /api/.../words Endpoint liefert Wort-Timestamps
- #14 detect_gaps.py: K-Means-Clustering über 3727 Embeddings, identifiziert
Leerstellen (Themen die in einem Podcast fehlen). Ergebnis: gaps_analysis.json
- #15 detect_narrative_shift.py: Embedding-Drift pro Thema über Episodenfolge,
erkennt Framing-Wechsel. Ergebnis: narrative_shifts.json
- #13 analyse_arguments.py: Qwen klassifiziert logische Relationen (erweitert,
widerspricht, belegt, relativiert) zwischen semantisch ähnlichen Absätzen
- #16 extract_claims.py: Qwen extrahiert prüfbare Behauptungen (Zahlen, Statistiken)
- #17 extract_questions.py: Qwen extrahiert und klassifiziert Fragen
- #18 curate_debates.py: Qwen kuratiert Cross-Podcast-Gegenüberstellungen
- run_all_qwen.sh: Sequentielle Pipeline für alle Qwen-Tasks (vermeidet DB-Locks)
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-23 22:29:41 +02:00
|
|
|
db.row_factory = sqlite3.Row
|
|
|
|
|
|
|
|
|
|
# Create output table
|
|
|
|
|
db.executescript("""
|
|
|
|
|
CREATE TABLE IF NOT EXISTS argument_links (
|
|
|
|
|
id INTEGER PRIMARY KEY AUTOINCREMENT,
|
|
|
|
|
source_podcast TEXT, source_episode TEXT, source_idx INTEGER,
|
|
|
|
|
target_podcast TEXT, target_episode TEXT, target_idx INTEGER,
|
|
|
|
|
relation TEXT, confidence REAL, explanation TEXT, score REAL
|
|
|
|
|
);
|
|
|
|
|
CREATE INDEX IF NOT EXISTS idx_arglinks ON argument_links(relation);
|
|
|
|
|
""")
|
|
|
|
|
|
2026-04-28 00:30:45 +02:00
|
|
|
if RERUN_ERRORS:
|
|
|
|
|
# Hole error-Records, loesche sie, baue Eingabe-Liste daraus auf.
|
|
|
|
|
err_rows = db.execute("""
|
|
|
|
|
SELECT al.source_podcast as podcast_id, al.source_episode, al.source_idx,
|
|
|
|
|
al.target_podcast, al.target_episode, al.target_idx, al.score,
|
|
|
|
|
p1.text as source_text, p2.text as target_text,
|
|
|
|
|
e1.title as source_title, e1.guest as source_guest,
|
|
|
|
|
e2.title as target_title, e2.guest as target_guest
|
|
|
|
|
FROM argument_links al
|
|
|
|
|
JOIN paragraphs p1 ON al.source_podcast = p1.podcast_id AND al.source_episode = p1.episode_id AND al.source_idx = p1.idx
|
|
|
|
|
JOIN paragraphs p2 ON al.target_podcast = p2.podcast_id AND al.target_episode = p2.episode_id AND al.target_idx = p2.idx
|
|
|
|
|
JOIN episodes e1 ON al.source_podcast = e1.podcast_id AND al.source_episode = e1.id
|
|
|
|
|
JOIN episodes e2 ON al.target_podcast = e2.podcast_id AND al.target_episode = e2.id
|
|
|
|
|
WHERE al.relation = 'error'
|
|
|
|
|
""").fetchall()
|
|
|
|
|
rows = err_rows
|
|
|
|
|
del_count = db.execute("DELETE FROM argument_links WHERE relation='error'").rowcount
|
|
|
|
|
db.commit()
|
|
|
|
|
print(f"RE-RUN: {del_count} error-Records geloescht, {len(rows)} werden neu klassifiziert.")
|
|
|
|
|
existing = set()
|
|
|
|
|
else:
|
|
|
|
|
# Get top semantic links (cross-episode, prefer cross-podcast)
|
|
|
|
|
rows = db.execute("""
|
|
|
|
|
SELECT sl.podcast_id, sl.source_episode, sl.source_idx,
|
|
|
|
|
sl.target_podcast, sl.target_episode, sl.target_idx, sl.score,
|
|
|
|
|
p1.text as source_text, p2.text as target_text,
|
|
|
|
|
e1.title as source_title, e1.guest as source_guest,
|
|
|
|
|
e2.title as target_title, e2.guest as target_guest
|
|
|
|
|
FROM semantic_links sl
|
|
|
|
|
JOIN paragraphs p1 ON sl.podcast_id = p1.podcast_id AND sl.source_episode = p1.episode_id AND sl.source_idx = p1.idx
|
|
|
|
|
JOIN paragraphs p2 ON sl.target_podcast = p2.podcast_id AND sl.target_episode = p2.episode_id AND sl.target_idx = p2.idx
|
|
|
|
|
JOIN episodes e1 ON sl.podcast_id = e1.podcast_id AND sl.source_episode = e1.id
|
|
|
|
|
JOIN episodes e2 ON sl.target_podcast = e2.podcast_id AND sl.target_episode = e2.id
|
|
|
|
|
WHERE sl.source_episode != sl.target_episode
|
|
|
|
|
ORDER BY sl.score DESC
|
|
|
|
|
LIMIT ?
|
|
|
|
|
""", (LIMIT,)).fetchall()
|
|
|
|
|
|
|
|
|
|
print(f"Klassifiziere {len(rows)} Paare mit {MODEL}…")
|
|
|
|
|
|
|
|
|
|
# Check already processed
|
|
|
|
|
existing = set()
|
|
|
|
|
try:
|
|
|
|
|
for r in db.execute("SELECT source_podcast||source_episode||source_idx||target_podcast||target_episode||target_idx as k FROM argument_links").fetchall():
|
|
|
|
|
existing.add(r["k"])
|
|
|
|
|
except Exception:
|
|
|
|
|
pass
|
#12 Wort-Highlighting Frontend, #14 Leerstellen-Detektor, #15 Narrative Shift,
#13/#16/#17/#18 Qwen-Analyse-Scripts
- Frontend: Wort-Level-Highlighting im Transkript — jedes Wort als <span> mit
Timestamp, Karaoke-Style Sync bei Wiedergabe, CSS word-active/word-spoken
- API: /api/.../words Endpoint liefert Wort-Timestamps
- #14 detect_gaps.py: K-Means-Clustering über 3727 Embeddings, identifiziert
Leerstellen (Themen die in einem Podcast fehlen). Ergebnis: gaps_analysis.json
- #15 detect_narrative_shift.py: Embedding-Drift pro Thema über Episodenfolge,
erkennt Framing-Wechsel. Ergebnis: narrative_shifts.json
- #13 analyse_arguments.py: Qwen klassifiziert logische Relationen (erweitert,
widerspricht, belegt, relativiert) zwischen semantisch ähnlichen Absätzen
- #16 extract_claims.py: Qwen extrahiert prüfbare Behauptungen (Zahlen, Statistiken)
- #17 extract_questions.py: Qwen extrahiert und klassifiziert Fragen
- #18 curate_debates.py: Qwen kuratiert Cross-Podcast-Gegenüberstellungen
- run_all_qwen.sh: Sequentielle Pipeline für alle Qwen-Tasks (vermeidet DB-Locks)
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-23 22:29:41 +02:00
|
|
|
|
|
|
|
|
processed = 0
|
|
|
|
|
skipped = 0
|
2026-04-28 00:30:45 +02:00
|
|
|
total_in_tokens = 0
|
|
|
|
|
total_out_tokens = 0
|
#12 Wort-Highlighting Frontend, #14 Leerstellen-Detektor, #15 Narrative Shift,
#13/#16/#17/#18 Qwen-Analyse-Scripts
- Frontend: Wort-Level-Highlighting im Transkript — jedes Wort als <span> mit
Timestamp, Karaoke-Style Sync bei Wiedergabe, CSS word-active/word-spoken
- API: /api/.../words Endpoint liefert Wort-Timestamps
- #14 detect_gaps.py: K-Means-Clustering über 3727 Embeddings, identifiziert
Leerstellen (Themen die in einem Podcast fehlen). Ergebnis: gaps_analysis.json
- #15 detect_narrative_shift.py: Embedding-Drift pro Thema über Episodenfolge,
erkennt Framing-Wechsel. Ergebnis: narrative_shifts.json
- #13 analyse_arguments.py: Qwen klassifiziert logische Relationen (erweitert,
widerspricht, belegt, relativiert) zwischen semantisch ähnlichen Absätzen
- #16 extract_claims.py: Qwen extrahiert prüfbare Behauptungen (Zahlen, Statistiken)
- #17 extract_questions.py: Qwen extrahiert und klassifiziert Fragen
- #18 curate_debates.py: Qwen kuratiert Cross-Podcast-Gegenüberstellungen
- run_all_qwen.sh: Sequentielle Pipeline für alle Qwen-Tasks (vermeidet DB-Locks)
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-23 22:29:41 +02:00
|
|
|
|
|
|
|
|
for i, row in enumerate(rows):
|
|
|
|
|
key = f"{row['podcast_id']}{row['source_episode']}{row['source_idx']}{row['target_podcast']}{row['target_episode']}{row['target_idx']}"
|
|
|
|
|
if key in existing:
|
|
|
|
|
skipped += 1
|
|
|
|
|
continue
|
|
|
|
|
|
|
|
|
|
meta_a = f"{row['source_episode']}: {row['source_title']} — {row['source_guest']}"
|
|
|
|
|
meta_b = f"{row['target_episode']}: {row['target_title']} — {row['target_guest']}"
|
|
|
|
|
|
|
|
|
|
result = classify_pair(
|
|
|
|
|
client,
|
|
|
|
|
row["source_text"][:800], meta_a,
|
|
|
|
|
row["target_text"][:800], meta_b
|
|
|
|
|
)
|
|
|
|
|
|
2026-04-28 00:30:45 +02:00
|
|
|
in_t, out_t = result.pop("_tokens", (0, 0))
|
|
|
|
|
total_in_tokens += in_t
|
|
|
|
|
total_out_tokens += out_t
|
|
|
|
|
|
#12 Wort-Highlighting Frontend, #14 Leerstellen-Detektor, #15 Narrative Shift,
#13/#16/#17/#18 Qwen-Analyse-Scripts
- Frontend: Wort-Level-Highlighting im Transkript — jedes Wort als <span> mit
Timestamp, Karaoke-Style Sync bei Wiedergabe, CSS word-active/word-spoken
- API: /api/.../words Endpoint liefert Wort-Timestamps
- #14 detect_gaps.py: K-Means-Clustering über 3727 Embeddings, identifiziert
Leerstellen (Themen die in einem Podcast fehlen). Ergebnis: gaps_analysis.json
- #15 detect_narrative_shift.py: Embedding-Drift pro Thema über Episodenfolge,
erkennt Framing-Wechsel. Ergebnis: narrative_shifts.json
- #13 analyse_arguments.py: Qwen klassifiziert logische Relationen (erweitert,
widerspricht, belegt, relativiert) zwischen semantisch ähnlichen Absätzen
- #16 extract_claims.py: Qwen extrahiert prüfbare Behauptungen (Zahlen, Statistiken)
- #17 extract_questions.py: Qwen extrahiert und klassifiziert Fragen
- #18 curate_debates.py: Qwen kuratiert Cross-Podcast-Gegenüberstellungen
- run_all_qwen.sh: Sequentielle Pipeline für alle Qwen-Tasks (vermeidet DB-Locks)
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-23 22:29:41 +02:00
|
|
|
db.execute(
|
|
|
|
|
"INSERT INTO argument_links (source_podcast, source_episode, source_idx, "
|
|
|
|
|
"target_podcast, target_episode, target_idx, relation, confidence, explanation, score) "
|
|
|
|
|
"VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)",
|
|
|
|
|
(row["podcast_id"], row["source_episode"], row["source_idx"],
|
|
|
|
|
row["target_podcast"], row["target_episode"], row["target_idx"],
|
|
|
|
|
result.get("relation", "error"), result.get("confidence", 0),
|
|
|
|
|
result.get("explanation", ""), row["score"])
|
|
|
|
|
)
|
|
|
|
|
|
|
|
|
|
processed += 1
|
|
|
|
|
if processed % 10 == 0:
|
|
|
|
|
db.commit()
|
|
|
|
|
print(f" {processed}/{len(rows) - skipped} klassifiziert…")
|
|
|
|
|
|
|
|
|
|
# Rate limiting
|
|
|
|
|
time.sleep(0.3)
|
|
|
|
|
|
|
|
|
|
db.commit()
|
|
|
|
|
|
|
|
|
|
# Stats
|
|
|
|
|
stats = db.execute("SELECT relation, COUNT(*) as c FROM argument_links GROUP BY relation ORDER BY c DESC").fetchall()
|
|
|
|
|
print(f"\nFertig: {processed} neue, {skipped} übersprungen.")
|
|
|
|
|
print("Verteilung:")
|
|
|
|
|
for s in stats:
|
|
|
|
|
print(f" {s['relation']}: {s['c']}")
|
2026-04-28 00:30:45 +02:00
|
|
|
# qwen-plus: ~$0.40/1M input, ~$1.20/1M output (DashScope intl, grobe Schaetzung)
|
|
|
|
|
cost = total_in_tokens / 1e6 * 0.40 + total_out_tokens / 1e6 * 1.20
|
|
|
|
|
print(f"Tokens: in={total_in_tokens} out={total_out_tokens} ~${cost:.4f}")
|
#12 Wort-Highlighting Frontend, #14 Leerstellen-Detektor, #15 Narrative Shift,
#13/#16/#17/#18 Qwen-Analyse-Scripts
- Frontend: Wort-Level-Highlighting im Transkript — jedes Wort als <span> mit
Timestamp, Karaoke-Style Sync bei Wiedergabe, CSS word-active/word-spoken
- API: /api/.../words Endpoint liefert Wort-Timestamps
- #14 detect_gaps.py: K-Means-Clustering über 3727 Embeddings, identifiziert
Leerstellen (Themen die in einem Podcast fehlen). Ergebnis: gaps_analysis.json
- #15 detect_narrative_shift.py: Embedding-Drift pro Thema über Episodenfolge,
erkennt Framing-Wechsel. Ergebnis: narrative_shifts.json
- #13 analyse_arguments.py: Qwen klassifiziert logische Relationen (erweitert,
widerspricht, belegt, relativiert) zwischen semantisch ähnlichen Absätzen
- #16 extract_claims.py: Qwen extrahiert prüfbare Behauptungen (Zahlen, Statistiken)
- #17 extract_questions.py: Qwen extrahiert und klassifiziert Fragen
- #18 curate_debates.py: Qwen kuratiert Cross-Podcast-Gegenüberstellungen
- run_all_qwen.sh: Sequentielle Pipeline für alle Qwen-Tasks (vermeidet DB-Locks)
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-04-23 22:29:41 +02:00
|
|
|
|
|
|
|
|
db.close()
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
if __name__ == "__main__":
|
|
|
|
|
main()
|