Lars/mindnet
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 21 Wiki Activity

ui_update
All checks were successful
Deploy mindnet to llm-node / deploy (push) Successful in 3s
Details

Browse Source
This commit is contained in:
Lars 2025-12-28 11:54:44 +01:00
parent 92bd3d9a47
commit aa9d388337
1 changed files with 25 additions and 26 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

51
app/frontend/ui_graph_service.py
View File

@ -258,6 +258,24 @@ class GraphExplorerService:
# WICHTIG: Diese Suche ist nur für eingehende Kanten relevant
# Für ausgehende Kanten werden alle über note_id gefunden, unabhängig vom target_id Format
if note_titles_to_search:
# Normalisierungs-Funktion (außerhalb der Schleife für Performance)
def normalize_title(t):
if not t:
return ""
# Entferne Klammern und deren Inhalt (z.B. "(2025–2029)")
t = re.sub(r'\s*\([^)]*\)', '', t)
# Entferne Jahreszahlen (4-stellig, mit oder ohne Bindestrich/En-Dash)
# Beispiele: "2025", "2025–2029", "2025-2029"
t = re.sub(r'\s*\d{4}[\s–\-]*\d{0,4}', '', t)
# Entferne "Mein/Meine" Präfixe
t = re.sub(r'^(Mein|Meine)\s+', '', t, flags=re.IGNORECASE)
# Normalisiere Whitespace
t = re.sub(r'\s+', ' ', t).strip()
return t.lower() # Case-insensitive Vergleich
# Normalisiere alle Note-Titel VORHER (Performance-Optimierung)
note_titles_normalized = {title: normalize_title(title) for title in note_titles_to_search}
# Erweiterte Suche: Lade alle relevanten Kanten und filtere clientseitig
# Da target_id KEYWORD ist (nicht TEXT), können wir keine Präfix-Suche direkt machen
# STRATEGIE: Lade alle Kanten (mit Limit) und filtere clientseitig nach target_id.startswith(title + "#")
@ -271,7 +289,6 @@ class GraphExplorerService:
)
# WICHTIG: Wir müssen genug Kanten laden, um alle "Titel#Abschnitt" Varianten zu finden
# Verwende paginierte Suche, um sicherzustellen, dass wir alle Kanten durchsuchen
# OPTIMIERUNG: Lade alle Kanten in einem Durchgang (falls möglich)
res_extended = []
next_offset = None
max_iterations = 50 # Maximal 50 Iterationen (50 * 5000 = 250000 Kanten)
@ -298,8 +315,8 @@ class GraphExplorerService:
if not tgt_id or edge.id in existing_edge_ids:
continue
# Prüfe, ob target_id mit einem unserer Titel beginnt
# target_id kann sein: "Titel", "Titel#Abschnitt", "Titel#Abschnitt (Details)"
# Prüfe, ob target_id mit einem unserer Titel beginnt (exakte Matches)
matched_exact = False
for title in note_titles_to_search:
# Exakte Übereinstimmung ODER beginnt mit "Titel#"
# WICHTIG: startswith findet alle Varianten wie "Titel#P3 – Disziplin"
@ -307,39 +324,21 @@ class GraphExplorerService:
results.append(edge)
existing_edge_ids.add(edge.id)
matched_count += 1
matched_exact = True
break # Nur einmal hinzufügen, auch wenn mehrere Titel passen
# ZUSÄTZLICH: Fuzzy-Matching für ähnliche Titel
# ZUSÄTZLICH: Fuzzy-Matching für ähnliche Titel (nur wenn kein exakter Match)
# PROBLEM: Wikilinks können andere Titel verwenden als der gespeicherte Note-Titel
# Beispiel: Note-Titel = "Persönliches Leitbild (2025–2029)", aber Wikilink = "Mein Persönliches Leitbild 2025"
# STRATEGIE: Da target_id immer "Titel#Abschnitt" ist, nehmen wir einfach den Teil vor dem #
# und normalisieren beide (Note-Titel und target_id-Basis) für Vergleich
if not any(tgt_id == t or tgt_id.startswith(t + "#") for t in note_titles_to_search):
if not matched_exact:
# Extrahiere Basis-Titel aus target_id (Teil vor dem #)
tgt_base = tgt_id.split("#")[0].strip()
# Normalisierungs-Funktion: Entferne Klammern, Jahreszahlen, Präfixe
def normalize_title(t):
if not t:
return ""
# Entferne Klammern und deren Inhalt (z.B. "(2025–2029)")
t = re.sub(r'\s*\([^)]*\)', '', t)
# Entferne Jahreszahlen (4-stellig, mit oder ohne Bindestrich/En-Dash)
# Beispiele: "2025", "2025–2029", "2025-2029"
t = re.sub(r'\s*\d{4}[\s–\-]*\d{0,4}', '', t)
# Entferne "Mein/Meine" Präfixe
t = re.sub(r'^(Mein|Meine)\s+', '', t, flags=re.IGNORECASE)
# Normalisiere Whitespace
t = re.sub(r'\s+', ' ', t).strip()
return t.lower() # Case-insensitive Vergleich
# Normalisiere target_id-Basis
tgt_norm = normalize_title(tgt_base)
# Prüfe gegen alle Note-Titel (inkl. Aliases)
for title in note_titles_to_search:
title_norm = normalize_title(title)
# Prüfe gegen alle normalisierten Note-Titel (inkl. Aliases)
for title, title_norm in note_titles_normalized.items():
# Prüfe auf Ähnlichkeit: Exakt gleich oder einer beginnt mit dem anderen
if title_norm and tgt_norm and len(title_norm) > 5:
if (title_norm == tgt_norm or