Raise the clustering to 100 groups

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

docs/methodology.md

@@ -37,12 +37,24 @@ Run、Song，一列一筆出現，依三欄排序），供收斂軌跡分析；
 - **嵌入**：`sentence-transformers/all-mpnet-base-v2`
   （釘定 revision），關鍵字的連字號先還原為空格再編碼，
   輸出 768 維向量並 L2 正規化。
-- **分群**：階層式聚合分群（Ward linkage），k=50。
-  向量既已正規化，歐氏距離與餘弦相似度單調對應，Ward
-  在保持語意距離的同時給出大小平衡的分割。
+- **分群**：階層式聚合分群（Ward linkage），k=100。
+  向量既已正規化，歐氏距離與餘弦相似度單調對應；三種
+  linkage 實測比較，Ward 於各個 k 的組內一致性均最高
+  （average 與 complete 皆產生吞噬半數語料的巨大異質
+  組）。
+- **組數的取捨**：k 太小則壓縮比過高，樹上層被迫併入
+  不相干的詞，組雖大而無主題（k=30 最大組 491 詞、
+  組內一致性 0.41，成員橫跨籃球、海灘、外星人綁架）；
+  k 太大則人工難以通覽。定於 100，理由是實測顯示雜物櫃
+  組於此始裂解為有主題的組，且編碼實測未見碼數過多的
+  副作用（詞彙表外的碼歸零、僅一個碼零使用）。
 - **組名**：取 medoid——與該組中心（成員向量均值後
   正規化）餘弦相似度最高的成員詞。組名因此必為模型
-  自己產出過的關鍵字，非任何人事後撰寫。
+  自己產出過的關鍵字，非任何人事後撰寫。已知限制：
+  組越大越異質時，medoid 只是折衷詞，可能代表不了組內
+  內容（實測 `mutual-individuality` 組內一致 0.70 而
+  編碼從未使用）；此類碼於結果中呈現為零使用，據實
+  報告，不事後改名。
 - **取捨紀錄**：曾以 LLM 單發收斂（merge／cap 兩步）
   實作本步，四種模型六次執行全部無法維持完整分割，
   已棄用（詳見 `decision-log.md` 2026-08-05；棄用的
@@ -62,8 +74,8 @@ Run、Song，一列一筆出現，依三欄排序），供收斂軌跡分析；
 
 ### women-power 的注入
 
-定案詞彙表為 50 個分群組名再加上 `women-power` 一詞，共
-51 個碼。`women-power` 是研究者任意決定的先驗主題（即本
+定案詞彙表為 100 個分群組名再加上 `women-power` 一詞，
+共 101 個碼。`women-power` 是研究者任意決定的先驗主題（即本
 論文的主題本身），不由資料產生，屬揭露的儀器介入。該詞
 於執行時以 `--extra-keyword` 明示加入，不寫死在程式裏
 ——研究者的介入因此每次都出現在重現命令上，而非無聲