Raise the clustering to 100 groups

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

docs/research-plan.md

@@ -97,8 +97,9 @@
    thematic keywords：前導研究三粒度比較（keywords 過碎、
    themes 過早抽象）之繼承，於執行前鎖定，防止事後擇優。
 2. **詞彙表建構（步驟 2）**：兩次執行的關鍵字取聯集去重
-   後，以句向量模型嵌入、階層式聚合分群，k=50，組名取
-   medoid；進池與分群為同一個確定性子命令。完整分割由演算法
+   後，以句向量模型嵌入、階層式聚合分群，k=100，組名取
+   medoid；進池與分群為同一個確定性子命令。完整分割由
+   演算法
    結構保證。頻次不入收斂：頻率的分析角色由步驟 3 編碼
    承擔；池中頻次含跨執行噪音。
 3. **編碼（步驟 3）**：以定稿詞彙表對全部歌曲 2+1 編碼
@@ -110,7 +111,7 @@
    扭曲，不作主結果。
 
 **先驗主題詞 `women-power` 併入詞彙表**：定案詞彙表為
-50 個分群組名再加上 `women-power`，共 51 個碼。該詞是
+100 個分群組名再加上 `women-power`，共 101 個碼。該詞是
 研究者任意決定的先驗主題，即本研究的論文主題本身，不由
 資料產生，屬據實揭露的儀器介入。不另設單目標篩選軌，理由是
 讓研究者的主題詞與模型自己收斂出的類別在同一份提示詞、
@@ -136,7 +137,7 @@
 |---|---|---|---|
 | 0 | 基礎建設：git init、目錄結構、.gitignore、決策日誌、runner script（含 Batch API）、codebook v0 骨架 | script + 討論 | 7/30–7/31 |
 | 1 | 資料準備：`run_llm` 改走統一設定 → `build-db`（解析榜單成 songs/chart_entries/artists/song_artists）→ `import-lyrics`（pilot 2018–2025）→ `fetch-lyrics`（2016–17 與缺漏，Lyrics.ovh / LRCLIB）→ `fetch-artists`（Wikidata 快照）→ `export-llm-input` | 子命令 | 7/31–8/3 |
-| 2 | 自然編碼管線：tag ×2 進池 → 詞向量分群 k=50 → 併入 women-power → 詞彙表定稿 → code 2+1（全 883 首，附引述） | API + script | 8/4–8/7 |
+| 2 | 自然編碼管線：tag ×2 進池 → 詞向量分群 k=100 → 併入 women-power → 詞彙表定稿 → code 2+1（全 883 首，附引述） | API + script | 8/4–8/7 |
 | 3 | 黃金標準：依 codebook 人工逐首判定 genuine/peripheral/fake，附引用歌詞證據表（LLM 只做摘錄，不給判定建議）；先以 10–15 首校準樣本試編並修訂 codebook 後凍結；同批校準樣本實測 Sonnet 4.6 vs Opus 5 一致率 | 人工 + script 輔助 | 8/5–8/9 |
 | 4 | 受控比較（盲點實驗）：條件 A（詞彙層提示）vs 條件 B（框架感知提示），各 2+1，對照黃金標準計算假陽／假陰率 | API | 8/8–8/11 |
 | 4' | 映射分析：自然編碼結果（第 4 步）與黃金標準交叉表；軌跡對映 vs 直接編碼的扭曲診斷（分析方法先寫入 methodology.md 再看結果） | script | 與 4 並行 |