mindnet/docs/archiv/wp04_retriever_scoring.md

WP-04 / Step 4a – Retriever Scoring & Konfiguration

Dieses Dokument beschreibt den aktuellen Stand (2025-11-30) der Scoring-Logik des mindnet-Retrievers in WP-04 / Step 4a.
Es dient als Referenz für:

• Nachvollziehbarkeit des Rankings
• Konfiguration und Feintuning (ohne Codeänderungen)
• spätere Automatisierung / „Selbstjustierung“ des Retrievers

---

1. Überblick

Der Retriever kombiniert drei Signalquellen zu einem einheitlichen Score:

1. Semantik – Vektorsuche über mindnet_chunks
2. Typ-Gewichtung – retriever_weight pro Note/Chunk (aus types.yaml)
3. Graph-Boni – edge_bonus und centrality_bonus aus dem Subgraph (Edges)

Die Berechnung erfolgt in app/core/retriever.py und ist über config/retriever.yaml konfigurierbar.
Die API stellt die Funktionalität über den /query-Endpoint (FastAPI) bereit.

---

2. Datenbasis (Kurzüberblick)

2.1 Notes (<prefix>_notes)

Relevante Felder:

- note_id: keyword
- title: text
- type: keyword
- retriever_weight: float
- chunk_profile: keyword
- edge_defaults: keyword[]
- tags: keyword[]
- path: text
- fulltext: text

2.2 Chunks (<prefix>_chunks)

Relevante Felder:

- note_id: keyword
- chunk_id: keyword
- text: text
- window: text
- retriever_weight: float
- type: keyword
- path: text
- section: text
- neighbors_prev / neighbors_next
- chunk_profile: keyword

2.3 Edges (<prefix>_edges)

Relevante Felder:

- kind: keyword
- source_id: keyword
- target_id: keyword
- note_id: keyword
- confidence: float
- rule_id, provenance, edge_id, scope, relation, ref_text

Edges stammen stets aus der Import-/Edge-Pipeline (WP-03) und bilden die graphbasierte Grundlage des Retrievers.

---

3. Scoring-Formel (Retriever)

3.1 Eingangsgrößen

Für jeden Treffer gelten:

semantic_score     – aus der Vektorsuche (Qdrant)
retriever_weight   – typabhängiges Gewicht (aus types.yaml)
edge_bonus         – aggregierter Graph-Bonus
centrality_bonus   – Zentralitätsbonus aus dem Subgraph

3.2 Globale Gewichte (aus retriever.yaml)

Datei: config/retriever.yaml
Beispiel:

version: 1.0

scoring:
  semantic_weight:   1.0    # W_sem
  edge_weight:       0.7    # W_edge
  centrality_weight: 0.5    # W_cent

Falls diese Datei fehlt, greifen ENV-basierte Defaults (RETRIEVER_W_*).

3.3 Formel

total_score =
    W_sem * semantic_score * max(retriever_weight, 0.0)
    + W_edge * edge_bonus
    + W_cent * centrality_bonus

Bemerkungen:

• Negative retriever_weight werden abgefangen.
• Die rohen edge_bonus und centrality_bonus werden im API-/Smoke-Output angezeigt.
• Die Gewichte aus retriever.yaml beeinflussen nur den total_score, nicht die Anzeige.

---

4. Konfigurationsdateien

4.1 Typen-Registry (types.yaml)

Beispielauszug:

defaults:
  retriever_weight: 1.0
  chunk_profile: default

types:
  types:
    concept:
      retriever_weight: 0.60
      edge_defaults: ["references", "related_to"]

    project:
      retriever_weight: 0.97
      edge_defaults: ["references", "depends_on"]

    journal:
      retriever_weight: 0.80
      edge_defaults: ["references", "related_to"]

    source:
      retriever_weight: 0.50
      edge_defaults: []

Diese Werte bestimmen, wie wichtig eine Note/Chunk prinzipiell für den Retriever ist.

4.2 Retriever-Konfiguration (retriever.yaml)

Beispiel:

version: 1.0

scoring:
  semantic_weight:   1.0
  edge_weight:       0.7
  centrality_weight: 0.5

# Blueprint für spätere Edge-Feinsteuerung:
edge_types:
  references: 0.20
  depends_on: 0.18
  related_to: 0.15
  similar_to: 0.12
  belongs_to: 0.10
  next: 0.06
  prev: 0.06

Die Datei befindet sich standardmäßig unter config/retriever.yaml.
Override per ENV:

MINDNET_RETRIEVER_CONFIG=/pfad/zur/datei.yaml

4.3 Aktive Gewichte auslesen

python - << 'PY'
from app.core.retriever import _get_scoring_weights
print(_get_scoring_weights())
PY

Beispielausgabe:

(1.0, 0.7, 0.5)

---

5. Betriebsmodi

5.1 Semantikmodus (semantic)

Ablauf:

- Query-Vektor über embed_text()
- Qdrant-Suche über mindnet_chunks
- kein Subgraph → edge_bonus = centrality = 0
- total_score = W_sem * semantic_score * retriever_weight

5.2 Hybridmodus (hybrid)

Ablauf:

- Semantik wie oben
- falls expand.depth > 0:
    - Subgraph-Berechnung über ga.expand()
    - Ermittlung von edge_bonus und centrality_bonus
- total_score = kombinierte Formel aus Semantik + Graph

---

6. Tests

Ausführung (Unit & Integration)

pytest tests/test_retriever_basic.py \
       tests/test_retriever_weight.py \
       tests/test_retriever_edges.py

pytest tests/test_query_unit.py \
       tests/test_query_text_embed_unit.py

Tests decken ab:

- Semantiktreffer
- Typ-Gewichte
- Edge-Boni
- Hybridmodus / FastAPI-Endpunkt

Smoke-Test

python tests/test_retriever_smoke.py \
  --url "http://127.0.0.1:8001/query" \
  --query "embeddings" \
  --mode hybrid \
  --expand-depth 1 \
  --top-k 5

Beispielausgabe:

[1] note_id=...retriever-design
     total=1.5054 (semantic=0.4038 edge=1.5910 centrality=0.0000)

Interpretation:

• semantic, edge, centrality = Rohwerte
• total = skaliert mit retriever.yaml

---

7. Betriebs-Hinweise

7.1 Änderung der Gewichte

- retriever.yaml anpassen
- FastAPI/uvicorn neu starten
- Smoke-Test prüfen

7.2 Zielbild WP-04

Der jetzige Stand ermöglicht:

- transparente, konfigurierbare Score-Berechnung
- Kombination aus Semantik, Typwissen und Graphstruktur
- spätere agentenbasierte Selbstjustierung
- alternative Profile (z. B. „mehr Semantik“, „mehr Graph“)

Dieses Dokument dient als stabile Referenz für Entwickler, Tests und spätere Automatisierungsschritte.