docs: 감정 시스템 설계 문서 수정 - VAD 제거 및 기존 내용 보존

- VAD 3차원 모델 제거 (학술적 근거 부족)
- 768차원 임베딩을 핵심 표현으로 유지
- Inside Out 9개 감정을 해석 레이어로 추가
- 기존 엔트로피, 베이지안, ChromaDB 구조 모두 보존
- 예측-평가 피드백 루프 통합
- 섹션 번호 정리

ideas/250807_로빙_감정_시스템_설계도.md

@@ -15,7 +15,12 @@
 
 ## 2. 감정 상태 구조
 
-### 2.1 Inside Out 기반 2축 감정 모델
+### 2.1 기본 구조
+- **감정 임베딩**: 768차원 벡터 (사전학습 모델 사용) - 핵심 표현
+- **엔트로피 궤적**: 시간에 따른 엔트로피 변화 추적
+- **베이지안 파라미터**: Beta, Gamma, Dirichlet 분포로 학습
+
+### 2.2 Inside Out 기반 2축 감정 모델
 - **기본정서 축 (에크먼, Inside Out 1)**: 
   - Joy(기쁨), Sadness(슬픔), Anger(분노), Fear(두려움), Disgust(혐오)
   - 즉각적 반응, 100ms 내 처리
@@ -26,14 +31,13 @@
   - 미래 예측과 사회적 비교, 500ms 처리
   - 사춘기 및 조직 맥락의 의사결정
 
-- **감정 임베딩**: 768차원 벡터 (기본정서 + 사회기능 통합 표현)
+- **통합 방식**: 768차원 임베딩에서 9개 감정 레이블 추출
-- **엔트로피 궤적**: 시간에 따른 엔트로피 변화 추적
-- **베이지안 파라미터**: Dirichlet 분포로 감정 혼합 모델링
 
-### 2.2 감정 동역학
+### 2.3 감정 동역학
 - 감정 변화율 = α(흡수율) × 평가 - δ(감쇠율) × 현재감정
 - α와 δ는 Beta 분포에서 Thompson Sampling
 - 기본정서는 빠른 α, 사회기능은 느린 α로 차별화
+- 사용자 피드백으로 사후분포 업데이트
 
 ## 3. 감정 임베딩 활용
 
@@ -45,7 +49,7 @@
 ### 3.2 ChromaDB 통합
 - **저장 구조**: 
   - 감정 임베딩 벡터 (768차원)
-  - VAD 값 (3차원)
+  - Inside Out 감정 분포 (9차원: 기본 5 + 사회 4)
   - 엔트로피 점수
   - 타임스탬프와 메타데이터
 
@@ -148,30 +152,30 @@ sequenceDiagram
     Eval-->>Predict: 사후분포 업데이트
 ```
 
-### 4.2 중요도 결정 방식
+### 5.3 중요도 결정 방식
 - 잠재 중요도 z ∈ {0,1}
 - 관측: m(엔트로피), e(임베딩 거리), l(LLM 점수)
 - 베이지안 추론으로 P(z=1|m,e,l) 계산
 - Thompson Sampling으로 저장/무시 결정
 
-## 5. 베이지안 학습 시스템
+## 6. 베이지안 학습 시스템
 
-### 5.1 파라미터 학습
+### 6.1 파라미터 학습
 - **윈도우 크기**: Poisson 분포, TD-Error 기반 적응
 - **가중치**: Dirichlet 분포, 사용자 피드백으로 업데이트
 - **임계값**: Beta 분포, 성능 지표로 조정
 
-### 5.2 계층적 모델
+### 6.2 계층적 모델
 - **조직 레벨**: 글로벌 사전분포
 - **팀 레벨**: 팀별 특성 학습
 - **개인 레벨**: 개인화된 사후분포
 
-### 5.3 온라인 업데이트
+### 6.3 온라인 업데이트
 - 실시간 사후분포 갱신
 - 지연 피드백 처리 (backward update)
 - 불확실성 기반 탐색-활용 균형
 
-### 5.4 학습 플로우
+### 6.4 학습 플로우
 
 ```mermaid
 flowchart TD
@@ -195,21 +199,21 @@ flowchart TD
     K --> L[다음 행동 결정]
 ```
 
-## 6. 감정-기억 통합
+## 7. 감정-기억 통합
 
-### 6.1 저장 결정
+### 7.1 저장 결정
 - 엔트로피 특이점 검사
 - 임베딩 클러스터 거리
 - 베이지안 중요도 추론
 - Thompson Sampling으로 최종 결정
 
-### 6.2 회상 메커니즘
+### 7.2 회상 메커니즘
 - 임베딩 기반 빠른 검색 (ChromaDB)
 - 엔트로피 가중 재순위화
 - MMR로 다양성 보장
 - 시간 감쇠 적용
 
-### 6.3 기억 회상 시퀀스
+### 7.3 기억 회상 시퀀스
 
 ```mermaid
 sequenceDiagram
@@ -234,9 +238,9 @@ sequenceDiagram
     Response-->>Query: 관련 기억 반환
 ```
 
-## 7. 공감 시스템
+## 8. 공감 시스템
 
-### 7.1 Inside Out 기반 공감 전략
+### 8.1 Inside Out 기반 공감 전략
 **기본정서 대응**:
 - Joy → 함께 기뻐하기, 축하
 - Sadness → 위로, 경청
@@ -250,25 +254,30 @@ sequenceDiagram
 - Embarrassment → 정상화, 수용
 - Ennui → 새로운 자극 제안
 
-### 7.2 예측 기반 선제적 공감
+### 8.2 예측 기반 선제적 공감
 - 감정 전환 예측 (Sadness → Anger 가능성)
 - 선제적 개입 (전환 전 완화)
 - Thompson Sampling으로 전략 선택
 - 실제 효과로 베이지안 업데이트
 
-## 8. 성능 지표
+## 9. 성능 지표
 
-### 8.1 임베딩 품질
+### 9.1 임베딩 품질
 - **Triplet Accuracy**: 같은 감정이 임베딩 공간에서 가까운 비율
 - **Retrieval NDCG@k**: 관련 기억 검색 정확도
 - **클러스터 순도**: 감정 클러스터의 일관성
 
-### 8.2 시스템 성능
+### 9.2 예측 정확도
+- **KL Divergence**: 예측 vs 실제 감정 분포
+- **시간 예측 오차**: 감정 전환 타이밍
+- **학습 수렴 속도**: 예측 개선 속도
+
+### 9.3 시스템 성능
 - **엔트로피 감소율**: 중요 순간 포착 능력
 - **베이지안 캘리브레이션**: 확률 예측의 정확도
 - **적응 속도**: 사용자별 수렴 시간
 
-## 9. 구현 우선순위
+## 10. 구현 우선순위
 
 ### Phase 1: 기초 구축
 - Inside Out 9개 감정 정의 (기본 5 + 사회 4)
@@ -294,14 +303,14 @@ sequenceDiagram
 - 추론 속도 개선
 - 메모리 효율화
 
-## 10. 기술 스택
+## 11. 기술 스택
 
 - **임베딩 모델**: Hugging Face Transformers
 - **벡터 DB**: ChromaDB (이미 사용 중)
 - **베이지안 추론**: Pyro (경량) 또는 TFP (대규모)
 - **함수형 구조**: 순수 함수 + I/O 분리 패턴
 
-## 11. 주요 결정 사항
+## 12. 주요 결정 사항
 
 1. **임베딩 모델 선택**: 
    - 한국어 지원 여부
@@ -316,7 +325,7 @@ sequenceDiagram
    - 실시간 vs 배치
    - 리소스 vs 반응성
 
-## 12. Inside Out 모델의 학술적 근거
+## 13. Inside Out 모델의 학술적 근거
 
 ### 과학 자문진
 - **폴 에크먼** (UC San Francisco): 기본정서 이론 창시자