first commit

backend/scoring/scorer.py

@@ -0,0 +1,115 @@
+"""
+Algorithme de scoring des vidéos YouTube Kubernetes.
+Score normalisé sur 100.
+
+Critères :
+  - Vues pondérées par ancienneté  : 25 pts
+  - Ratio likes / vues             : 20 pts
+  - Mots-clés techniques détectés  : 25 pts
+  - Durée >= 10 min                : 10 pts
+  - Présence de chapitrage         : 10 pts
+  - Nombre de topics détectés      : 10 pts
+"""
+
+from __future__ import annotations
+
+import math
+from datetime import datetime, timezone
+from typing import TYPE_CHECKING, List, Tuple
+
+from .keywords import TOPIC_KEYWORDS, ADVANCED_KEYWORDS
+
+if TYPE_CHECKING:
+    from api.models import Video
+
+
+def _detect_topics(text: str) -> List[str]:
+    """Retourne les topics détectés dans un texte (titre + tags)."""
+    text_lower = text.lower()
+    topics = []
+    for topic, keywords in TOPIC_KEYWORDS.items():
+        if any(kw in text_lower for kw in keywords):
+            topics.append(topic)
+    return topics
+
+
+def _keyword_score(text: str) -> float:
+    """Score basé sur les mots-clés techniques (0-25)."""
+    text_lower = text.lower()
+    # Nombre de mots-clés avancés trouvés
+    advanced_hits = sum(1 for kw in ADVANCED_KEYWORDS if kw in text_lower)
+    # Nombre de mots-clés totaux
+    from .keywords import ALL_KEYWORDS
+    total_hits = sum(1 for kw in ALL_KEYWORDS if kw in text_lower)
+
+    # On plafonne à 5 hits avancés et 10 hits totaux
+    score = min(advanced_hits / 5, 1.0) * 15 + min(total_hits / 10, 1.0) * 10
+    return round(score, 2)
+
+
+def _view_score(view_count: int, age_days: float) -> float:
+    """Vues pondérées par ancienneté (0-25)."""
+    if age_days <= 0:
+        age_days = 1
+    # Vues par jour, log-normalisé
+    vpd = view_count / age_days
+    # Référence : 1000 vues/jour = score max
+    score = min(math.log1p(vpd) / math.log1p(1000), 1.0) * 25
+    return round(score, 2)
+
+
+def _like_ratio_score(like_count: int, view_count: int) -> float:
+    """Ratio likes/vues (0-20). Référence : 5% = max."""
+    if view_count == 0:
+        return 0.0
+    ratio = like_count / view_count
+    score = min(ratio / 0.05, 1.0) * 20
+    return round(score, 2)
+
+
+def _duration_score(duration_seconds: int) -> float:
+    """10 pts si durée >= 10 min, sinon 0."""
+    return 10.0 if duration_seconds >= 600 else 0.0
+
+
+def _chapters_score(has_chapters: bool) -> float:
+    """10 pts si la vidéo a des chapitres."""
+    return 10.0 if has_chapters else 0.0
+
+
+def _topics_score(topics: list[str]) -> float:
+    """10 pts selon le nb de topics distincts (max 3)."""
+    return round(min(len(topics) / 3, 1.0) * 10, 2)
+
+
+def score_video(video_data: dict) -> Tuple[float, List[str]]:
+    """
+    Calcule le score d'une vidéo et retourne (score, topics).
+    video_data doit contenir les clés du modèle Video.
+    """
+    now = datetime.now(timezone.utc)
+    published_at = video_data["published_at"]
+    if isinstance(published_at, str):
+        from datetime import datetime as dt
+        published_at = dt.fromisoformat(published_at.replace("Z", "+00:00"))
+
+    age_days = (now - published_at).total_seconds() / 86400
+
+    # Texte analysable : titre + tags
+    tags_text = " ".join(video_data.get("tags", []))
+    full_text = f"{video_data['title']} {tags_text}"
+
+    topics = _detect_topics(full_text)
+
+    raw = (
+        _view_score(video_data["view_count"], age_days)
+        + _like_ratio_score(video_data["like_count"], video_data["view_count"])
+        + _keyword_score(full_text)
+        + _duration_score(video_data["duration_seconds"])
+        + _chapters_score(video_data.get("has_chapters", False))
+        + _topics_score(topics)
+    )
+
+    # Normaliser sur 100 (max théorique = 25+20+25+10+10+10 = 100)
+    final_score = round(min(raw, 100.0), 1)
+    return final_score, topics