🌟 ConstellaChat - 星座検索アプリ

LLMを使ったクエリ拡張で、あいまいな入力から今夜見える星座を探すアプリです。

機能

• あいまい検索: 「冬の寒い日、最高気温10度くらい」のような自然な入力から星座を検索
• LLMクエリ拡張: GPT-4oを使って入力を解析し、検索キーワードを拡張
• 転置インデックス検索: 高速な星座検索
• 神話ストーリー: 星座にまつわる神話を表示

セットアップ

1. 必要環境

• Python 3.10以上
• OpenAI API Key

2. インストール

# リポジトリをクローン
git clone https://github.com/yourusername/skylore.git
cd skylore

# 仮想環境を作成
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

# 依存パッケージをインストール
pip install -r requirements.txt

3. 環境変数の設定

# .env.exampleをコピーして.envを作成
cp .env.example .env

# .envファイルを編集してAPIキーを設定
# OPENAI_API_KEY=your-api-key-here

注意: .envファイルはGitにコミットしないでください（.gitignoreに含まれています）

4. 実行

streamlit run app.py

プロジェクト構造

ConstellaChat/
├── app.py                    # Streamlitメインアプリ
├── config.py                 # 設定ファイル
├── requirements.txt          # 依存パッケージ
├── src/
│   ├── __init__.py
│   ├── query_expander.py     # LLMクエリ拡張
│   └── searcher.py           # 転置インデックス検索
└── data/
    ├── constellations.json   # 星座データ（要作成）
    └── inverted_index.json   # 転置インデックス（要作成）

担当分担

担当者	タスク
さり	星座データ (constellations.json) の作成
さり	転置インデックス (inverted_index.json) の構築
あいら	アプリのメインロジック（このリポジトリ）

星座データのフォーマット

data/constellations.json は以下の形式で作成：

[
    {
        "id": "Orion",
        "jp_name": "オリオン座",
        "myth_summary": "狩人オリオンの神話...",
        "best_months": [11, 12, 1, 2, 3],
        "keywords": ["冬", "狩人", "ベテルギウス", "冬の大三角"],
        "related": ["Scorpius", "Canis Major"]
    }
]

転置インデックスのフォーマット

data/inverted_index.json は以下の形式で作成：

{
    "冬": ["Orion", "Gemini", "Taurus"],
    "12": ["Orion", "Andromeda"],
    "オリオン座": ["Orion"],
    "狩人": ["Orion"],
    "ゼウス": ["Taurus", "Cygnus", "Aquarius"]
}

使用例

入力例

• 「冬の寒い日、最高気温10度くらい」
• 「夏の暑い夜に見える星座は？」
• 「オリオン座について教えて」
• 「ギリシャ神話に出てくる星座」

クエリ拡張の仕組み

1. ユーザー入力: 「冬の寒い日、最高気温10度くらい」
2. LLMが解析:
   • 季節: 冬
   • 月: [12, 1, 2]
   • キーワード: ["冬", "寒い"]
3. 転置インデックスで検索
4. スコアリングして上位K件を返す

技術スタック

• フロントエンド: Streamlit
• LLM: OpenAI GPT-4o-mini
• 検索: 転置インデックス（BM25風スコアリング）

ライセンス

MIT License

参考

• Gen-QER: https://github.com/kikibasic/Gen-QER
• MuGI論文: "Exploring the Best Practices of Query Expansion with Large Language Models"