dream-recurrence-detection

name	dream-recurrence-detection
description	사용자 꿈 일지에서 반복 패턴(recurrent pattern)을 자동 감지하는 3단 알고리즘 — 태그 카운팅, 임베딩 cosine 유사도, LLM 분류 — 설계 가이드. 빈도·정서·시점 윈도우 기준, Dexie multiEntry index 쿼리, 임베딩 저장, hedging 알림 UX, 개인정보 처리까지 다룬다.

Dream Recurrence Detection

소스: 학술 — Zadra (1996) Trauma and Dreams ch.17 (Harvard UP) https://www.degruyter.com/document/doi/10.4159/9780674270534-019/html / Zadra & Pihl (1997) Psychotherapy and Psychosomatics 66, 50-55 / Domhoff (2003) The Scientific Study of Dreams (APA) https://dreams.ucsc.edu/TSSOD/The_Scientific_Study_of_Dreams_2003.pdf · 기술 — OpenAI Embeddings https://developers.openai.com/api/docs/guides/embeddings / Dexie MultiEntry Index https://dexie.org/docs/MultiEntry-Index 검증일: 2026-05-15 짝 스킬: frontend/dream-symbol-tagging, architecture/dream-journal-data-modeling, humanities/dream-content-research

---

0. 이 스킬이 다루는 범위

다룬다	다루지 않는다
같은 사용자의 반복 패턴 감지 알고리즘 3종	꿈 의미 해석 (→ humanities)
빈도·정서·시점 윈도우 기준 정의	태그 추출 자체 (→ dream-symbol-tagging)
Dexie multiEntry index 쿼리 패턴	DB 스키마 전반 (→ dream-journal-data-modeling)
임베딩 저장 형식·외부 API 동의 UX	임상 진단·정신과 평가
hedging 톤 알림 UX	약물·치료 권고

---

1. 반복 꿈(recurrent dream) 정의

1-1. 학술 정의

Zadra (1996)의 정의를 따른다:

"Recurrent dreams are typically defined as a class of dreams that reoccur over time while maintaining not only the same theme, but the same content."

핵심 요건:

• 테마(theme)만 같으면 부족 — 같은 *내용(content)*까지 재현되어야 진짜 recurrent
• 단순 *유사 주제(themetic similarity)*는 "recurrent theme"으로 구분해서 표기

1-2. 빈도 기준

학술 연구는 단일 절대 기준을 제시하지 않는다. 본 스킬은 다음 *조작적 정의(operational definition)*를 권장한다:

기준	권장 값	근거
빈도	4주 윈도우 내 3회 이상	단기 반복은 현재 stressor 신호로 해석
시점 분산	같은 주에 몰리면 동일 트리거 1회 가능성	최소 2개 이상의 서로 다른 주에 분포 권장
정서 일치	같은 상징이라도 정서가 같아야 진짜 반복	Domhoff 2003 continuity hypothesis

주의: 위 빈도 값(4주/3회)은 학술 표준이 아닌 본 스킬의 권장 조작 기준이다. 실제 사용 시 사용자 표본 수에 맞춰 조정한다.

1-3. 유병률 (참고)

Recurrent dreams occur in 60-75% of adults, more often in women than men (Zadra, 1996).

알림 문구에 희소성·이상 신호로 단정하지 않도록 주의. 다수가 경험하는 정상 현상.

---

2. 감지 알고리즘 3종

세 알고리즘은 대체가 아닌 보완 관계다. 비용·정확도·프라이버시 트레이드오프에 따라 조합한다.

2-1. 태그 기반 카운팅 (1차 필터)

전제: dream-symbol-tagging 스킬로 각 꿈에 tags: string[]이 부여되어 있다.

알고리즘:

1. Dexie multiEntry index 정의: 스키마 문자열에 *tags
2. 윈도우 기간 내 dreams 쿼리 후 태그별 카운트
3. 임계치(예: 3회) 초과 태그를 후보 반복 상징으로 추출

// schema
db.version(1).stores({
  dreams: 'id, &date, *tags, *moods' // *tags = multiEntry index
});

// 4주 윈도우 내 특정 태그 카운트
const since = dayjs().subtract(4, 'week').toISOString();
const count = await db.dreams
  .where('tags').equals('water')
  .and(d => d.date >= since)
  .distinct() // multiEntry는 distinct 권장 (공식 가이드)
  .count();

한계:

• 동음이의 태그(예: 'water' = 익사 vs. 평온한 호수) 구분 불가
• 정서 정보 누락 → 2-3 단계로 보완

2-2. 임베딩 cosine 유사도 (2차 정교화)

용도: 같은 태그라도 서사 구조·정서가 유사한지 확인.

모델 선택: OpenAI text-embedding-3-small

• 차원: 기본 1536 (dimensions 파라미터로 축소 가능)
• 정규화: OpenAI 임베딩은 length 1로 정규화되어 있어 cosine = dot product
• 가격: 저비용 (대량 임베딩에 적합)

알고리즘:

1. 각 꿈 텍스트(내용 + 정서 라벨)를 임베딩 → Dexie에 Float32Array ArrayBuffer로 저장
2. 후보 태그를 공유하는 꿈 쌍의 cosine similarity 계산
3. 임계치 초과 쌍을 진짜 반복으로 판정

// 코사인 유사도 (정규화된 벡터 → dot product)
function cosineSim(a: Float32Array, b: Float32Array): number {
  let dot = 0;
  for (let i = 0; i < a.length; i++) dot += a[i] * b[i];
  return dot; // 이미 정규화됨
}

임계치 권장:

용도	권장 임계치	근거
엄격(같은 시나리오)	0.75 ~ 0.82	paraphrase 분류 연구의 보편 범위
완화(같은 테마)	0.60 ~ 0.70	일반 semantic similarity 하한

주의: text-embedding-3-small은 이전 ada-002 대비 낮은 cosine 값을 산출하는 경향이 보고된다(OpenAI 커뮤니티). 임계치를 경험적으로 보정해야 하며, 본 권장값은 출발점이다.

한계:

• 표본 < 5개에서는 임계치 튜닝 불가능 → 1차 필터(2-1)로 후퇴
• 너무 낮은 임계치는 false positive 폭증 (모든 꿈이 "반복"으로 분류)

2-3. LLM 분류 (3차 해석)

용도: 1·2단계로 후보가 추려졌을 때, 정서·서사·상징의 질적 일치를 LLM에 판정 요청.

프롬프트 패턴:

다음은 같은 사용자의 최근 N개 꿈입니다.
[꿈 1] 날짜: ..., 내용: ..., 정서: ..., 태그: ...
[꿈 2] ...

이 꿈들 사이에서 다음을 식별하세요:
1. 반복되는 상징·시나리오 (있다면 명시)
2. 정서적 일관성 (같은 상징이라도 정서가 다르면 *진짜 반복 아님*으로 표기)
3. 확신도 (낮음/중간/높음) — 표본이 작으면 항상 *낮음*

판정만 출력. 의미 해석·진단은 출력 금지.

한계:

• 외부 API 호출 → 민감 정보 전송 발생 → 사용자 동의 필수 (§4)
• LLM 환각 위험 → "확신도" 출력 강제로 hedging

---

3. 사용자 알림 UX

3-1. 알림 문구 원칙

원칙	예시
사실 보고 우선	"최근 3주간 '물' 상징이 4번 나타났습니다"
hedging 톤 의무	"이는 우연일 수도, 무의식의 반복 신호일 수도 있다는 해석이 있습니다"
진단 단정 금지	❌ "당신은 트라우마가 있습니다"
표본 한계 고지	"꿈 기록이 N개로 작아 패턴 신뢰도가 제한적입니다"
사용자 주도	"이 패턴을 내가 어떻게 느끼는지 메모해보세요"

3-2. 학술적 근거 표기

알림 본문 또는 "왜 이런 알림이 보이나요?" 도움말에 다음을 노출:

참고:
- 반복 꿈은 성인의 60-75%가 경험하는 흔한 현상입니다 (Zadra 1996).
- 꿈 내용은 깨어있는 삶의 관심사와 연속성을 보인다는 견해가 있습니다 (continuity hypothesis, Domhoff 2003).
- 단, 이는 진단이 아니며 해석은 여러 학파에 따라 다릅니다.

3-3. 알림 빈도 제한

• 같은 상징에 대해 7일 내 1회만 알림
• 사용자가 "그만 보기" 선택 시 해당 상징 알림 영구 중단

---

4. 개인정보·동의

꿈 내용은 민감 정보로 취급한다.

4-1. 저장 원칙

데이터	저장 위치
꿈 원문·태그·정서	로컬 우선 (IndexedDB)
임베딩 벡터	로컬 (Dexie ArrayBuffer) — 외부 벡터 DB 사용 시 사용자 동의 필수
LLM 호출 프롬프트	사용자 동의 + 호출 직전 명시적 알림

4-2. 동의 UX

외부 API(임베딩 또는 LLM) 사용 전 다음을 별도 화면으로 고지:

이 기능은 당신의 꿈 내용을 [OpenAI / Anthropic] 서버로 전송합니다.
- 전송 데이터: 꿈 텍스트 (식별 정보 제외)
- 보관 정책: [공급자 정책 링크]
- 거부 가능: 거부해도 태그 기반 반복 감지는 사용 가능합니다.

체크박스 default OFF, 사용자 명시 동의 후 활성화.

---

5. Dexie 쿼리 패턴 (실무 코드)

5-1. 스키마 정의 (multiEntry)

import Dexie, { Table } from 'dexie';

interface Dream {
  id?: number;
  date: string; // ISO
  content: string;
  tags: string[];     // *tags — multiEntry
  moods: string[];    // *moods — multiEntry
  embedding?: ArrayBuffer; // Float32Array 직렬화
}

class DreamDB extends Dexie {
  dreams!: Table<Dream, number>;
  constructor() {
    super('dreams');
    this.version(1).stores({
      dreams: '++id, &date, *tags, *moods'
    });
  }
}

5-2. 윈도우 기반 상징 카운트

async function countSymbolInWindow(
  db: DreamDB,
  symbol: string,
  weeks: number
): Promise<number> {
  const since = dayjs().subtract(weeks, 'week').toISOString();
  return db.dreams
    .where('tags').equals(symbol)
    .filter(d => d.date >= since)
    .distinct() // multiEntry 공식 권장
    .count();
}

5-3. 후보 상징 추출 (전체 태그 빈도)

async function topRecurrentSymbols(
  db: DreamDB,
  weeks: number,
  minCount: number
): Promise<Array<{ symbol: string; count: number }>> {
  const since = dayjs().subtract(weeks, 'week').toISOString();
  const recent = await db.dreams.where('date').aboveOrEqual(since).toArray();

  const freq = new Map<string, number>();
  for (const d of recent) {
    for (const t of d.tags) freq.set(t, (freq.get(t) ?? 0) + 1);
  }

  return [...freq.entries()]
    .filter(([, c]) => c >= minCount)
    .map(([symbol, count]) => ({ , count }))
    .( b. - a.);
}

5-4. 임베딩 저장 (ArrayBuffer)

// Float32Array → ArrayBuffer
function packEmbedding(vec: number[]): ArrayBuffer {
  return new Float32Array(vec).buffer;
}

// ArrayBuffer → Float32Array
function unpackEmbedding(buf: ArrayBuffer): Float32Array {
  return new Float32Array(buf);
}

주의: IndexedDB는 ArrayBuffer를 structured clone으로 직렬화하므로 그대로 저장 가능. 단, 1536차원 × Float32(4byte) = 약 6KB/꿈 → 1만 개 누적 시 60MB. 사용량 모니터링 필요.

---

6. 흔한 함정

함정	결과	대응
작은 표본(N < 5)에서 패턴 단정	false positive·과잉 해석	UI에서 "표본이 작아 신뢰도 제한적" 명시, 임계치 충족해도 알림 자제
태그 매칭만 보고 정서 차이 무시	"같은 물"인데 익사·평온 정반대 → 동일 반복으로 오판	2-2 또는 2-3으로 정서 일치까지 확인
임베딩 임계치 너무 낮음	모든 꿈이 "반복"으로 분류	0.6 이하 사용 자제. 사용자 데이터로 보정
반복 꿈을 심각 신호로 단정	사용자 불안 유발, 진단 오인	hedging 톤 의무, "60-75%가 경험하는 흔한 현상" 학술 근거 노출
꿈 텍스트 그대로 외부 API 전송 (동의 누락)	개인정보 침해	별도 동의 화면, 기본 OFF
임베딩을 외부 벡터 DB에 동의 없이 업로드	임베딩에서 원문 일부 복원 가능성 보고됨	로컬 저장 원칙, 외부 사용 시 명시 동의
LLM 출력을 의미 해석으로 사용	환각·진단 단정 위험	프롬프트에서 판정만 요청, 해석은 humanities 스킬로 분리

---

7. 짝 스킬과의 분담

스킬	책임
frontend/dream-symbol-tagging	꿈 텍스트 → tags/moods 추출
frontend/dream-recurrence-detection (이 스킬)	tags/moods/임베딩 → 반복 패턴 감지
architecture/dream-journal-data-modeling	DB 스키마·인덱스 설계 전반
humanities/dream-content-research	감지된 패턴의 학술적 해석 (continuity hypothesis 등)

이 스킬은 감지까지만 책임진다. 의미·진단·치료 영역은 humanities 또는 임상 전문가 영역.

---

8. 체크리스트 (구현 시 자가 점검)

• multiEntry index에 distinct() 적용했는가
• 윈도우 기간·최소 카운트가 설정 가능한가 (하드코딩 금지)
• 같은 상징 알림이 7일 내 1회로 제한되는가
• 외부 API 호출 전 사용자 동의 화면을 거치는가
• 알림 문구에 hedging 표현이 있는가 ("…일 수도 있습니다")
• 표본 < 5일 때 알림을 자제하거나 신뢰도 한계를 명시하는가
• 학술 근거(Zadra 1996, Domhoff 2003)가 도움말에서 접근 가능한가
• 임베딩 ArrayBuffer 크기가 사용량 모니터링에 포함되는가