概要
非エンジニアの著者がClaude CodeとPythonを駆使し、91本の文献から知識グラフを構築して卒論を完遂させた過程と、その裏側で起きた数々の実装上の失敗と改善策の記録。
詳細内容
著者は91本のPDF（約460万字）をClaude Codeと17本のPythonスクリプトで処理し、中国の社会信用システムに関する622概念・846エッジの知識グラフを構築した。手法にはLiterature-Based Discovery (LBD)のSwanson ABCモデルを採用し、未知の研究ギャップを抽出。ノードの孤立（当初40%）をSentence-BERTによる重複排除や3段階のエッジ追加（定義文ベースの自動抽出、人間による承認等）で解消し、ハブノードを除外するアルゴリズムで仮説の質を高めた。一方で、セッション間のJSONキー名の不一致により集計が0件になるバグや、ヒューリスティックな予測の実装、マージ後のエッジ不整合など、非エンジニアが「道理の検品（ロジックのレビュー）」だけでは防げなかった「配管（実装）」部分の失敗も率直に共有されている。LLMを用いた大規模文書の構造化において、人間の介在が品質を決定づけること、および状態管理（progress.json）の重要性を説く実践的な内容となっている。