ner-cooccurrence-graphs

Relatório de Extração e Análise — claude-code (restored-src)

Repositório analisado

• Fonte: data/raw/claude-code-sourcemap/restored-src/
• Descrição: Código-fonte TypeScript do Claude Code (CLI da Anthropic), reconstruído a partir de source maps.

Estatísticas da extração

Métrica	Valor
Arquivos TypeScript	1.888
Arquivos de documentação	0
Total de blocos de texto	78.526
Total de caracteres	18.348.792

Distribuição por tipo de bloco

Tipo	Quantidade	Descrição
import	16.035	Imports de módulos e pacotes
comment	43.880	Comentários de linha (//)
code	10.550	Classes, interfaces, funções, enums
docstring	8.061	Blocos JSDoc / /* */

Métricas dos grafos de co-ocorrência

NER executado com regex + dicionários (sem spaCy), com filtragem de ruído (stopwords para path fragments, protocolos genéricos e palavras ambíguas).

Métricas gerais

Métrica	Sentença	Parágrafo	K-chars (500)
Nós	921	1.763	1.756
Arestas	1.064	4.931	4.163
Densidade	0,0025	0,0032	0,0027
Grau médio	2,31	5,59	4,74
Grau máximo	54	156	128
Componentes conectados	183	166	175
Maior componente (%)	48,3%	74,9%	73,0%
Diâmetro	17	12	13
Caminho médio	4,63	4,16	4,39
Clustering médio	0,2271	0,4864	0,4529
Transitividade	0,2010	0,3910	0,3346

Top 10 entidades por grau (parágrafo)

Entidade	Tipo	Grau
claude	LIB	156
api	TECH	146
mcp	TECH	131
git	TECH	112
anthropic	LIB	110
github	TECH	66
oauth	TECH	65
ink	LIB	63
react	LIB	60
windows	TECH	57

Figuras geradas

Arquivo	Conteúdo
figures/degree_dist_sentence.png	Distribuição de grau — sentença
figures/degree_dist_paragraph.png	Distribuição de grau — parágrafo
figures/degree_dist_k_chars.png	Distribuição de grau — k-chars
figures/graph_viz_sentence.png	Grafo — sentença (layout de força)
figures/graph_viz_paragraph.png	Grafo — parágrafo
figures/graph_viz_k_chars.png	Grafo — k-chars
figures/comparison_table.png	Tabela comparativa de métricas
figures/centrality_comparison.png	Top entidades por centralidade

Análise e insights

1. Estrutura geral

Em relação à iteração 01, a estrutura do repositório analisado permanece a mesma. A mudança desta etapa está na qualidade semântica do grafo: a filtragem remove nós artificiais e torna as relações entre entidades mais interpretáveis.

2. Comparação entre granularidades

• Sentença produz o grafo mais esparso (densidade 0,0025, grau médio 2,3). Apenas 48% dos nós estão no maior componente, com diâmetro alto (17), indicando muitos clusters isolados.
• Parágrafo gera o grafo mais denso (4.931 arestas, grau médio 5,6). 75% dos nós no maior componente, diâmetro 12, clustering alto (0,49). Melhor para capturar relações semânticas entre entidades.
• K-chars (500) fica entre os dois — mesma quantidade de nós que parágrafo mas com menos arestas (4.163 vs 4.931), sugerindo que a janela fixa perde co-ocorrências de longa distância que o parágrafo natural captura.

3. Entidades centrais

• claude é o hub principal da rede (grau 156), conectando módulos de API, ferramentas, autenticação e UI.
• api e mcp (Model Context Protocol) são as tecnologias centrais, refletindo a arquitetura do Claude Code como cliente de API com suporte a MCP.
• git e github refletem integração forte com controle de versão.
• oauth indica o subsistema de autenticação.
• ink e react revelam a stack de UI (Ink é o framework React para CLIs que o Claude Code usa).

4. Propriedades de rede

• O clustering médio alto (0,49 em parágrafo) indica forte agrupamento local — entidades que co-ocorrem tendem a formar triângulos, refletindo módulos coesos.
• A transitividade (0,39 em parágrafo) sugere estrutura de comunidades claras — provável que Louvain revele clusters temáticos (tools, UI, API, auth, MCP).
• O diâmetro de 12 (parágrafo) indica que as entidades mais distantes da rede ainda estão a no máximo 12 passos, sugerindo boa conectividade interna.

5. Filtragem de ruído aplicada

Foram removidos das entidades:

• Path fragments: src, lib, dist, types, utils, index, vendor
• Protocolos genéricos: http, https, tcp, udp, ssh
• Palavras ambíguas: go, next, fetch, path, moment, sharp
• CamelCase falsos positivos: PowerShell, JavaScript, TypeError, etc.

6. Próximos passos

• Rodar com spaCy (en_core_web_lg) para entidades de linguagem natural.
• Detecção de comunidades (Louvain) para identificar clusters temáticos.
• Visualização interativa com pyvis.