jigsaw sensemaker

NISHIO Hirokazu [Translate]
Jigsaw SenseMaker
Google Jigsaw Sensemaker
SenseMaker



Jigsawの「Sensemaker」は、大規模な会話データ（例: Polis）をAIで「分類・要約・合意/相違の可視化」までやるオープンソースのツールキットです（現在β）｡ (jigsaw-code.github.io)

クイックスタート（ローカル実行）
1. 取得
bashgit clone https://github.com/Jigsaw-Code/sensemaking-tools
cd sensemaking-tools
npm i
（ライブラリ一式はGitHub公開）｡ (GitHub)

2. Vertex AI 認証（デフォルトはGeminiをVertex経由で使用）
bashgcloud config set project <YOUR_GCP_PROJECT>
gcloud auth application-default login
※ 他モデルへの差し替えも可（Model Garden・独自モデル）｡ (jigsaw-code.github.io)

3. サンプルCSVを用意
Polisのオープンデータ「15-per-hour-seattle」を落として手元に置きます。 (GitHub)

4. とりあえず要約HTMLを出す
ヘルプを見て実行（実行時引数は  --help  で確認）:
bashnpx ts-node library/runner-cli/runner.ts --help
# 例: 入力CSV→要約HTML（出力先や引数は--help参照）
このランナーは「CSVを読み, 要約入りHTMLを生成」する簡易CLIです｡ (GitHub)

5. もっとリッチに（インタラクティブWebレポート）
まず上級ランナーで3つのJSONを出力（topics / comments+scores / summary）。
その後 Web UI をビルド:
bashcd web-ui
npx ts-node site-build.ts \
  --topics   <path-to-topics.json> \
  --summary  <path-to-summary.json> \
  --comments <path-to-comments.json> \
  --reportTitle "My Report"
npm run dev  # http://localhost:4200
# 1ファイルHTMLが良ければ:
npx ts-node single-html-build.js
（ビルド手順は公式READMEに明記）｡ (GitHub)

自分のデータで回す（Polis想定）
必須列:  comment_text ,  comment-id 
票がある場合:  agrees ,  disagrees ,  passes 
グループ別の票がある場合:  {GROUP}-agree-count ,  {GROUP}-disagree-count ,  {GROUP}-pass-count 
この形式のCSVを入れるだけでOKです。 (GitHub)
※ 公式How-toでも「現状はPolis形式をサポート」と明記。

モデル/コスト/注意
既定: Vertex AI の最新Gemini。Model Gardenの他モデルや独自モデルにも差し替え可能（抽象 Model で実装）｡ (jigsaw-code.github.io)
目安コスト（約1000件の発言）: 入出力トークン合計は概ねこの程度で、2025-04-10時点ではGemini 1.5 Proで総額$1未満の例が記載。実コストは価格表を要確認。 (jigsaw-code.github.io)
ライブラリはβ段階。出力の安定性や根拠表示（引用ホバー）などの設計もドキュメント化。 (jigsaw-code.github.io)

出力イメージ
KentuckyのBG2050プロジェクトの公開レポート（インタラクティブ）で雰囲気が掴めます。 (What Could BG Be?)

西尾さんの次の一手（最短ルート）
まずサンプルCSVで  runner.ts  を回しHTMLを1枚出す
すぐにPolisのエクスポートCSV（上記列名）で同手順→必要ならWebレポ化（ site-build.ts ）


Topic Identification（トピック抽出）
LLMに抽出させる方式。会話全体のテキストから、
①トップレベルのみ／②トップ＋サブトピック／③既定トピックを与えてサブのみ、の3モードで階層を生成できます。
実装的には learnTopics(comments, includeSubtopics, existingTopics?, context?) の形で呼び出し（ドキュメントのサンプル）。
安定性評価はシルエット係数等で検討中、ラン間の一致 ~90% との報告（評価コードは近日公開予定）。
sensemaking-tools/library/src/tasks/topic_modeling.ts at main · Jigsaw-Code/sensemaking-tools

Statement Categorization（発言の割当）
マルチラベル割当。抽出済み（またはユーザ定義）トピックへ各発言をバッチで分類します。
Vertex AIの“constrained decoding”でJSONスキーマを強制し、LLM出力の型崩れを抑制。失敗時はリトライを実装。
CLI でも同等の処理があり、カテゴリ割当だけのランナー（categorization_runner.ts）も提供。
sensemaking-tools/library/src/tasks/categorization.ts at main · Jigsaw-Code/sensemaking-tools

---
Polis的に各個人の投票データを持って相関を計算するのではなく、個々の質問ごとに賛否の割合のデータとして要約して、合意が多いか少ないかの1次元の尺度として使う？
はい、その理解でほぼOKです。
Sensemakerは個人×発言の投票ベクトルから相関やクラスタを作る（PolisのOpinion Groups型）ことはせず、各発言の賛成/反対/パスの集計比率だけで「Common Ground（合意）／Differences of Opinion（相違）」にふさわしい発言を選びます。小標本は誤解を避けるため総票数20未満を除外。テキストは「トピック抽出・割当」にのみ使い、合意/相違の選定自体には使いません。
さらに、Relative Agreement（相対合意度）は「各サブトピックで“Common Groundに入った発言数/そのサブトピック内の発言総数”を他サブトピックと相対比較」して High/Low を付ける――つまりここでも事実上1次元の“合意の強さ”指標として扱われます。
"Engineer's way of creating knowledge" the English version of my book is now available on [Engineer's way of creating knowledge]
(C)NISHIO Hirokazu / Converted from [Scrapbox] at 11/23/2025, 4:57:24 PM[Edit]
Related Pages
