--- title: "🧭 関係性スコアリングの機能要件（Core Functions）" --- ここでは、 **メンバー間の関係性を数値化するための“機能”だけに絞って設計** するね。 --- ## ① **在籍期間重なり計算**（最重要コア） ### ■ 機能概要 2人のメンバーの在籍期間を比較し、 **重なった月数を算出する機能**。 ### ■ 入力 - メンバーAの加入日・卒業日 - メンバーBの加入日・卒業日 ### ■ 出力 - 重なり月数 - 正規化スコア（0〜40pt） ### ■ 役割 - “接触の強さ”を示す最も客観的な指標 - 全関係性スコアの基礎になる --- ## ② **師弟関係リンク解析** ### ■ 機能概要 メンバー間の“指導・継承”の関係をデータとして保持し、 **直接・間接の師弟リンクをスコア化**。 ### ■ 入力 - 師弟関係データ（手動入力 or ルールベース） ### ■ 出力 - 直接：30pt - 間接：15pt - 無関係：0pt ### ■ 役割 - “文化の継承”を定量化する軸 - 在籍期間が重ならなくても関係性を持てる唯一の軸 --- ## ③ **メンバーカラー距離計算** ### ■ 機能概要 メンバーカラーを色相（0〜360°）に変換し、 **色相距離を計算 → 近いほどスコアが高い**。 ### ■ 入力 - メンバーAのカラー - メンバーBのカラー ### ■ 出力 - 色相差 - 正規化スコア（0〜20pt） ### ■ 役割 - “キャラ性の近さ”を客観的に扱える - 色は公式設定なのでデータとして扱いやすい --- ## ④ **出身地距離計算** ### ■ 機能概要 都道府県・地方区分を使って、 **地域文化の近さをスコア化**。 ### ■ 入力 - メンバーAの出身地 - メンバーBの出身地 ### ■ 出力 - 同県：10pt - 同地方：5pt - 違う地方：0pt ### ■ 役割 - “価値観の近さ”を補助的に扱う軸 - データが明確で扱いやすい --- ## 🧮 **⑤ 総合スコア計算（100点満点）** ### ■ 機能概要 4つの軸を合算して **メンバー間の関係性スコアを算出**。 | 軸 | 配点 | |---|---| | **在籍期間重なり** | 40 | | **師弟関係** | 30 | | **メンバーカラー距離** | 20 | | **出身地距離** | 10 | → **総合スコア：0〜100pt** --- ## 🗺️ **⑥ 関係性マップ生成（機能）** ### ■ 機能概要 スコアを使って - 2Dマップ - 3Dマップ - ネットワークグラフ を生成する。 ### ■ 出力例 - X軸：在籍期間重なり - Y軸：師弟関係 - ノード色：メンバーカラー - ノード位置：文化距離 真也、了解だよ。 ここで必要なのは **「加入期文化」ではなく、“関係性スコアリング専用のデータベース”** だね。 つまり、**メンバー同士の距離を計算するための“生データ”をどう持つか** を固める段階。 僕も鼻でノートをトントンしながら、 **スコアリングエンジンに最適化された DB 設計** をまとめてみたよ。 --- # 🧭 **関係性スコアリング・データベース（Core Schema）** 関係性スコアは - **在籍期間の重なり** - **師弟関係** - **メンバーカラー距離** - **出身地距離** この4軸で構成されるから、 DB もこの4軸を“計算可能な形”で保持する必要がある。 --- ## 1. **Members（メンバー基本情報）** 関係性計算の“母体”になるテーブル。 | フィールド | 型 | 説明 | |-----------|----|------| | member_id | PK | 固有ID | | name | text | メンバー名 | | generation | int | 期 | | join_date | date | 加入日 | | leave_date | date/null | 卒業日 | | color_code | text | #RRGGBB | | hue | int | 色相（0〜360°） | | prefecture | text | 都道府県 | | region | text | 地方（関東/関西など） | ### ✔ ここが重要 - **在籍期間の重なり** → join_date / leave_date - **色距離** → hue - **出身地距離** → prefecture / region 全部このテーブルから計算できる。 --- ## 2. **Relationships（師弟関係）** 師弟関係は“距離”ではなく“リンク”なので別テーブル。 | フィールド | 型 | 説明 | |-----------|----|------| | rel_id | PK | 固有ID | | mentor_id | FK | 先輩 | | mentee_id | FK | 後輩 | | relation_type | enum | direct / indirect | | weight | int | 30 / 15 など | ### ✔ ここが重要 - 在籍期間が重ならなくても関係性を持てる唯一の軸 - direct / indirect を明示的に保持する --- ## 3. **ScoreCache（スコアキャッシュ）** 計算結果を保存して高速化するためのテーブル。 | フィールド | 型 | 説明 | |-----------|----|------| | member_a | FK | メンバーA | | member_b | FK | メンバーB | | overlap_score | int | 在籍期間重なり | | mentor_score | int | 師弟関係 | | color_score | int | 色距離 | | birthplace_score | int | 出身地距離 | | total_score | int | 合計100点 | ### ✔ ここが重要 - UI で即時表示するためのキャッシュ - バッチ更新 or 初回アクセス時に計算 --- ## 4. **Rules（任意：スコアリングルール）** スコアの重みを外部化しておくと、後で調整しやすい。 | フィールド | 型 | 説明 | |-----------|----|------| | rule_name | text | overlap / mentor / color / birthplace | | weight | int | 配点（例：40 / 30 / 20 / 10） | --- # 🧩 **関係性スコア計算ロジック（DBに紐づく機能）** ## ① **在籍期間重なり** Members.join_date / leave_date を比較 → 重なり月数 → 0〜40pt に正規化 ## ② **師弟関係** Relationships から weight を取得 → 0 / 15 / 30pt ## ③ **メンバーカラー距離** Members.hue の差分 → 0〜20pt に変換 ## ④ **出身地距離** Members.prefecture / region → 0 / 5 / 10pt --- ## 🗺️ **この DB を使うとできること** - メンバー間の文化距離マップ - 期ごとの文化重心 - 師弟ネットワークグラフ - 在籍期間重なりヒートマップ - 後継者ポジション分析 - 時系列での文化変遷 全部この DB から生成できる。 真也、了解だよ。 ここで必要なのは **「関係性スコアリングエンジンに投入する“生データ”の入力ルール」** だね。 つまり、**DB にどんな形式でデータを入れれば、後で正しくスコア計算できるか** を定義する段階。 僕も鼻でノートをトントンしながら、 **機能 → データ → UI の“データ”部分に特化した入力ルール** をまとめてみたよ。 --- # 🌊 **関係性スコアリング・データ入力ルール（Core Rules）** 以下は、 **Members / Relationships / Color / 出身地** の4軸を正しく扱うための“入力ルール”だよ。 --- ## ① **在籍期間データ入力ルール**（最重要） 在籍期間の重なりは関係性の基礎だから、 **日付の扱いを厳密にする必要がある。** ### ■ 入力形式 | 項目 | 形式 | |------|------| | join_date | YYYY-MM-DD | | leave_date | YYYY-MM-DD or null（現役） | ### ■ ルール - 加入日は **公式発表日** を採用 - 卒業日は **卒業公演日** を採用 - 卒業前の活動停止期間は無視（在籍扱い） - leave_date が null の場合は「今日まで在籍」として扱う ### ■ 理由 重なり月数を正確に計算するため。 --- ## ② **師弟関係データ入力ルール** 師弟関係は“距離”ではなく“リンク”なので、 **明示的に入力する必要がある。** ### ■ 入力形式 | 項目 | 形式 | |------|------| | mentor_id | FK | | mentee_id | FK | | relation_type | direct / indirect | | weight | 30 / 15 | ### ■ direct の基準 - 本人が「○○さんに教わった」と発言 - 公式番組で指導シーンがある - 歌割り・ダンスで明確な継承がある ### ■ indirect の基準 - 期をまたいだ影響 - 文化的継承（例：歌唱スタイル） - 本人談で「影響を受けた」レベル --- ## ③ **メンバーカラーデータ入力ルール** 色は“距離計算”のために **色相（Hue）に変換** する必要がある。 ### ■ 入力形式 | 項目 | 形式 | |------|------| | color_code | #RRGGBB | | hue | 0〜360° | ### ■ ルール - color_code は公式カラーをそのまま入力 - hue は RGB → HSV 変換で自動生成 - hue は整数（四捨五入） --- ## ④ **出身地データ入力ルール** 地域文化の距離を扱うために、 **都道府県と地方の両方を持つ必要がある。** ### ■ 入力形式 | 項目 | 形式 | |------|------| | prefecture | text（例：東京都） | | region | enum（関東/関西/中部/九州…） | ### ■ ルール - prefecture は公式プロフィールに準拠 - region は固定リストから選択 - 海外出身者は region=“海外” --- ## ⑤ **ScoreCache の入力ルール** これは自動生成されるので、 **手動入力はしない**。 ### ■ 自動入力項目 - overlap_score - mentor_score - color_score - birthplace_score - total_score --- ## 🧭 **データ入力のワークフロー** 1. **Members に基本情報を登録** 2. color_code → hue を自動変換 3. 出身地 → region を自動分類 4. Relationships に師弟関係を登録 5. スコアリングエンジンが ScoreCache を生成 真也、了解だよ。 ここは **「関係性スコアリングの結果をどう“マップ”として可視化するか」** を決める段階だね。 機能 → データ と固めてきたから、次は **UI ではなく “形式（フォーマット）” の設計** に集中するよ。 僕の鼻でノートをトントンしながら、 **関係性スコアをどう表現すれば一番“文化の地形”が見えるか** を整理してみたよ。 --- # 🌊 **関係性スコアリングマップの形式（Core Formats）** ここでは、 **関係性スコア（在籍重なり・師弟・カラー・出身地）をどう可視化するか** という“形式”だけを定義するね。 --- ## ① **2Dマップ形式**（最も基本） 2軸で文化距離を表現する形式。 ### ■ 軸の例 - X軸：在籍期間の重なり（接触の強さ） - Y軸：師弟関係（文化継承の強さ） ### ■ 表現 - ノード：メンバー - ノード色：メンバーカラー - ノード形状：期 - ノードの距離：文化距離 ### ■ 何が見える？ - 5期と6期の“文化的近さ” - 10期の“分散性” - 7期の“孤立点” --- ## ② **3Dマップ形式**（構造を立体で見たい場合） 3軸で文化を立体化する形式。 ### ■ 軸の例 - X：在籍期間重なり - Y：師弟関係 - Z：メンバーカラー距離 ### ■ 表現 - ノード位置：3D座標 - ノード色：メンバーカラー - ノードサイズ：在籍期間の長さ ### ■ 何が見える？ - 6期の“色のまとまり” - 9期の“文化重心の強さ” - 12期の“ダンス文化の位置” --- ## ③ **ネットワークグラフ形式**（関係性を線で表現） スコアを“線の太さ”で表現する形式。 ### ■ 表現 - ノード：メンバー - エッジ：関係性スコア - 太さ：スコアの強さ - 色：関係の種類（在籍/師弟/色/出身地） ### ■ 何が見える？ - 師弟ネットワークの強さ - 在籍期間の重なりが強い期の“クラスター” - 文化的に孤立したメンバー --- ## ④ **レーダーチャート形式**（期ごとの“文化形状”を見る） 期単位で文化の形を比較する形式。 ### ■ 軸 - 在籍重なり - 師弟関係 - カラー距離 - 出身地距離 ### ■ 何が見える？ - 5期＝安定・継承型 - 6期＝色彩・個性型 - 10期＝多様性・分散型 - 7期＝特異点 --- ## ⑤ **時系列マップ形式**（文化の変遷を見る） 文化がどう変化したかを“時間軸”で見る形式。 ### ■ 表現 - X軸：年 - Y軸：文化重心（総合スコア） - 線：期ごとの文化の流れ ### ■ 何が見える？ - 5期→6期→9期の“文化の継承ライン” - 10期以降の“多様化” - 7期の“単独点” --- ## 🧭 **最終的に採用すべき形式（結論）** 真也のプロジェクトの目的が **「関係性を数値化して文化の地形を可視化する」** なら、最適な形式はこの3つ。 --- ### ✔ **1. 2Dマップ（基礎）** → 文化距離の“平面構造”が見える ### ✔ **2. ネットワークグラフ（関係性）** → 師弟・在籍重なりの“線”が見える ### ✔ **3. レーダーチャート（期の形状）** → 期ごとの“文化の形”が見える