Update quantum_learner.py

quantum_learner.py

@@ -5,22 +5,41 @@ import numpy as np
 
 class QuantumLearner:
     def __init__(self):
-        # Koristimo lightweight multi-jezički model
         self.model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
         self.model.max_seq_length = 256  # Optimizacija za performanse
-    
+
     def analyze_conversations(self, history_limit=1000):
-        """Analizira razgovore i pronalazi ključne teme"""
+        """Analizira povijest razgovora i identificira ključne teme"""
         try:
             history = get_history(limit=history_limit)
             if not history:
-                return {"info": "Nema dostupne povijesti za analizu"}
+                return {"info": "Nema dostupne povijesti razgovora"}
             
-            # Dekriptiraj i kombinuj poruke
+            # Priprema i dekriptiranje poruka
             texts = [
                 f"{decrypt_data(row[2])} → {decrypt_data(row[3])}" 
                 for row in history
                 if len(row) >= 4  # Zaštita od nepotpunih podataka
             ]
             
-            # Vektorizacija teksta
+            # Vektorizacija teksta
+            embeddings = self.model.encode(texts, show_progress_bar=False)
+            
+            # Dinamičko grupiranje (2-5 tema)
+            optimal_clusters = min(5, max(2, len(texts)//3))
+            kmeans = KMeans(n_clusters=optimal_clusters).fit(embeddings)
+            
+            # Organizacija tema
+            topics = {}
+            for label, text in zip(kmeans.labels_, texts):
+                if label not in topics:
+                    topics[label] = []
+                topics[label].append(text[:200])  # Skraćivanje za prikaz
+                
+            return {
+                "topics": topics,
+                "cluster_centers": kmeans.cluster_centers_.tolist()
+            }
+            
+        except Exception as e:
+            return {"error": str(e)}