angepasster retriever

app/core/retriever.py

@@ -131,9 +131,8 @@ def _build_explanation(
 ) -> Explanation:
     """
     Erstellt ein detailliertes Explanation-Objekt für einen Treffer.
-    Analysiert Scores, Typen und eingehende Kanten.
+    Analysiert Scores, Typen und Kanten (Incoming & Outgoing).
     """
-    # 1. Weights & Config laden
     sem_w, edge_w, cent_w = _get_scoring_weights()
     
     try:
@@ -143,7 +142,6 @@ def _build_explanation(
     
     note_type = payload.get("type", "unknown")
 
-    # 2. Score Breakdown berechnen
     breakdown = ScoreBreakdown(
         semantic_contribution=(sem_w * semantic_score * type_weight),
         edge_contribution=(edge_w * edge_bonus),
@@ -157,76 +155,87 @@ def _build_explanation(
     reasons: List[Reason] = []
     edges_dto: List[EdgeDTO] = []
 
-    # 3. Semantische Gründe
+    # 1. Semantische Gründe
     if semantic_score > 0.85:
         reasons.append(Reason(
             kind="semantic", 
-            message="Sehr hohe textuelle Übereinstimmung mit der Anfrage.",
+            message="Sehr hohe textuelle Übereinstimmung.",
             score_impact=breakdown.semantic_contribution
         ))
-    elif semantic_score > 0.75:
+    elif semantic_score > 0.70:
         reasons.append(Reason(
             kind="semantic", 
             message="Gute textuelle Übereinstimmung.",
             score_impact=breakdown.semantic_contribution
         ))
 
-    # 4. Typ-Gründe
+    # 2. Typ-Gründe
-    if type_weight > 1.0:
+    if type_weight != 1.0:
+        msg = "Bevorzugt" if type_weight > 1.0 else "Leicht abgewertet"
         reasons.append(Reason(
             kind="type", 
-            message=f"Bevorzugt aufgrund des Typs '{note_type}' (Gewicht: {type_weight}).",
+            message=f"{msg} aufgrund des Typs '{note_type}' (Gewicht: {type_weight}).",
-            score_impact=(sem_w * semantic_score * (type_weight - 1.0)) # Delta
+            score_impact=(sem_w * semantic_score * (type_weight - 1.0))
-        ))
-    elif type_weight < 1.0:
-        reasons.append(Reason(
-            kind="type", 
-            message=f"Abgewertet aufgrund des Typs '{note_type}' (Gewicht: {type_weight}).",
-            score_impact=None
         ))
 
-    # 5. Graph-Gründe (Incoming Edges)
+    # 3. Graph-Gründe (Edges)
     if subgraph and node_key and edge_bonus > 0:
-        # Wir suchen nach eingehenden Kanten, die diesen Bonus verursacht haben.
+        # Wir sammeln die stärksten Kanten (egal ob rein oder raus), 
-        # graph_adapter.py (v0.4.0) muss get_incoming_edges bereitstellen.
+        # die zum Score beitragen.
+        
+        # A) Outgoing (Ich verweise auf...) - Das ist oft der Hub-Score
+        if hasattr(subgraph, "get_outgoing_edges"):
+            outgoing = subgraph.get_outgoing_edges(node_key)
+            for edge in outgoing:
+                target = edge.get("target", "Unknown")
+                kind = edge.get("kind", "edge")
+                weight = edge.get("weight", 0.0)
+                
+                # Nur relevante Kanten aufnehmen
+                if weight > 0.05:
+                    edges_dto.append(EdgeDTO(
+                        id=f"{node_key}->{target}:{kind}",
+                        kind=kind, source=node_key, target=target, weight=weight, direction="out"
+                    ))
+
+        # B) Incoming (Ich werde verwiesen von...)
         if hasattr(subgraph, "get_incoming_edges"):
             incoming = subgraph.get_incoming_edges(node_key)
-            
+            for edge in incoming:
-            # Sortieren nach Gewicht (stärkste zuerst)
-            incoming_sorted = sorted(incoming, key=lambda e: e.get("weight", 0.0), reverse=True)
-            
-            # Top-3 Gründe extrahieren
-            for idx, edge in enumerate(incoming_sorted[:3]):
                 src = edge.get("source", "Unknown")
                 kind = edge.get("kind", "edge")
                 weight = edge.get("weight", 0.0)
                 
-                msg = f"Verbunden mit '{src}' via '{kind}'"
+                if weight > 0.05:
-                reasons.append(Reason(
+                    edges_dto.append(EdgeDTO(
-                    kind="edge",
+                        id=f"{src}->{node_key}:{kind}",
-                    message=msg,
+                        kind=kind, source=src, target=node_key, weight=weight, direction="in"
-                    score_impact=(edge_w * weight),
+                    ))
-                    details={"source": src, "kind": kind, "weight": weight}
-                ))
 
-                # EdgeDTO für die API
+        # Sortieren nach Gewicht und Top-3 als Reasons generieren
-                edges_dto.append(EdgeDTO(
+        all_edges = sorted(edges_dto, key=lambda e: e.weight, reverse=True)
-                    id=f"{src}->{node_key}:{kind}", # Synthetische ID für Anzeige
-                    kind=kind,
-                    source=src,
-                    target=node_key,
-                    weight=weight,
-                    direction="in"
-                ))
-        else:
-            # Fallback, falls GraphAdapter noch alt
-            reasons.append(Reason(kind="edge", message="Knoten ist im Kontext-Graphen vernetzt."))
         
-    # 6. Centrality Gründe
+        for top_edge in all_edges[:3]:
-    if cent_bonus > 0.05:
+            # Impact schätzen (grob, da Edge-Bonus eine Summe ist)
+            impact = edge_w * top_edge.weight
+            
+            if top_edge.direction == "out":
+                msg = f"Verweist auf '{top_edge.target}' via '{top_edge.kind}'"
+            else:
+                msg = f"Referenziert von '{top_edge.source}' via '{top_edge.kind}'"
+                
+            reasons.append(Reason(
+                kind="edge",
+                message=msg,
+                score_impact=impact,
+                details={"kind": top_edge.kind, "weight": top_edge.weight}
+            ))
+
+    # 4. Centrality
+    if cent_bonus > 0.01:
         reasons.append(Reason(
             kind="centrality",
-            message="Knoten ist ein zentraler Hub im Kontext der Anfrage.",
+            message="Knoten liegt zentral im Kontext.",
             score_impact=breakdown.centrality_contribution
         ))
 
@@ -235,7 +244,6 @@ def _build_explanation(
         reasons=reasons,
         related_edges=edges_dto if edges_dto else None
     )
-
 # --- End Explanation Logic ---