src/relevance.c

   1 /* This file is part of Pazpar2.
   2    Copyright (C) 2006-2012 Index Data
   3
   4 Pazpar2 is free software; you can redistribute it and/or modify it under
   5 the terms of the GNU General Public License as published by the Free
   6 Software Foundation; either version 2, or (at your option) any later
   7 version.
   8
   9 Pazpar2 is distributed in the hope that it will be useful, but WITHOUT ANY
  10 WARRANTY; without even the implied warranty of MERCHANTABILITY or
  11 FITNESS FOR A PARTICULAR PURPOSE.  See the GNU General Public License
  12 for more details.
  13
  14 You should have received a copy of the GNU General Public License
  15 along with this program; if not, write to the Free Software
  16 Foundation, Inc., 51 Franklin St, Fifth Floor, Boston, MA  02110-1301  USA
  17
  18 */
  19
  20 #if HAVE_CONFIG_H
  21 #include <config.h>
  22 #endif
  23
  24 #include <assert.h>
  25 #include <math.h>
  26 #include <stdlib.h>
  27
  28 #include "relevance.h"
  29 #include "session.h"
  30
  31 struct relevance
  32 {
  33     int *doc_frequency_vec;
  34     int vec_len;
  35     struct word_entry *entries;
  36     pp2_charset_token_t prt;
  37     int rank_cluster;
  38     NMEM nmem;
  39 };
  40
  41 struct word_entry {
  42     const char *norm_str;
  43     int termno;
  44     char *ccl_field;
  45     struct word_entry *next;
  46 };
  47
  48 static int word_entry_match(struct word_entry *entries, const char *norm_str,
  49                             const char *rank, int *mult)
  50 {
  51     for (; entries; entries = entries->next)
  52     {
  53         if (!strcmp(norm_str, entries->norm_str))
  54         {
  55             const char *cp = 0;
  56             int no_read = 0;
  57             sscanf(rank, "%d%n", mult, &no_read);
  58             rank += no_read;
  59             while (*rank == ' ')
  60                 rank++;
  61             if (no_read > 0 && (cp = strchr(rank, ' ')))
  62             {
  63                 if ((cp - rank) == strlen(entries->ccl_field) &&
  64                     memcmp(entries->ccl_field, rank, cp - rank) == 0)
  65                     *mult = atoi(cp + 1);
  66             }
  67             return entries->termno;
  68         }
  69     }
  70     return 0;
  71 }
  72
  73 void relevance_countwords(struct relevance *r, struct record_cluster *cluster,
  74                           const char *words, const char *rank,
  75                           const char *name)
  76 {
  77     int *mult = cluster->term_frequency_vec_tmp;
  78     const char *norm_str;
  79     int i, length = 0;
  80     pp2_charset_token_first(r->prt, words, 0);
  81     for (i = 1; i < r->vec_len; i++)
  82         mult[i] = 0;
  83
  84     assert(rank);
  85     while ((norm_str = pp2_charset_token_next(r->prt)))
  86     {
  87         int local_mult = 0;
  88         int res = word_entry_match(r->entries, norm_str, rank, &local_mult);
  89         if (res)
  90         {
  91             assert(res < r->vec_len);
  92             mult[res] += local_mult;
  93         }
  94         length++;
  95     }
  96
  97     for (i = 1; i < r->vec_len; i++)
  98     {
  99         if (length > 0) /* only add if non-empty */
 100             cluster->term_frequency_vecf[i] += (double) mult[i] / length;
 101         cluster->term_frequency_vec[i] += mult[i];
 102     }
 103
 104     cluster->term_frequency_vec[0] += length;
 105 }
 106
 107 static void pull_terms(struct relevance *res, struct ccl_rpn_node *n)
 108 {
 109     char **words;
 110     int numwords;
 111     char *ccl_field;
 112     int i;
 113
 114     switch (n->kind)
 115     {
 116     case CCL_RPN_AND:
 117     case CCL_RPN_OR:
 118     case CCL_RPN_NOT:
 119     case CCL_RPN_PROX:
 120         pull_terms(res, n->u.p[0]);
 121         pull_terms(res, n->u.p[1]);
 122         break;
 123     case CCL_RPN_TERM:
 124         nmem_strsplit(res->nmem, " ", n->u.t.term, &words, &numwords);
 125         for (i = 0; i < numwords; i++)
 126         {
 127             const char *norm_str;
 128
 129             ccl_field = nmem_strdup_null(res->nmem, n->u.t.qual);
 130
 131             pp2_charset_token_first(res->prt, words[i], 0);
 132             while ((norm_str = pp2_charset_token_next(res->prt)))
 133             {
 134                 struct word_entry **e = &res->entries;
 135                 while (*e)
 136                     e = &(*e)->next;
 137                 *e = nmem_malloc(res->nmem, sizeof(**e));
 138                 (*e)->norm_str = nmem_strdup(res->nmem, norm_str);
 139                 (*e)->ccl_field = ccl_field;
 140                 (*e)->termno = res->vec_len++;
 141                 (*e)->next = 0;
 142             }
 143         }
 144         break;
 145     default:
 146         break;
 147     }
 148 }
 149
 150 struct relevance *relevance_create_ccl(pp2_charset_fact_t pft,
 151                                        struct ccl_rpn_node *query,
 152                                        int rank_cluster)
 153 {
 154     NMEM nmem = nmem_create();
 155     struct relevance *res = nmem_malloc(nmem, sizeof(*res));
 156     int i;
 157
 158     res->nmem = nmem;
 159     res->entries = 0;
 160     res->vec_len = 1;
 161     res->rank_cluster = rank_cluster;
 162     res->prt = pp2_charset_token_create(pft, "relevance");
 163
 164     pull_terms(res, query);
 165
 166     res->doc_frequency_vec = nmem_malloc(nmem, res->vec_len * sizeof(int));
 167     for (i = 0; i < res->vec_len; i++)
 168         res->doc_frequency_vec[i] = 0;
 169     return res;
 170 }
 171
 172 void relevance_destroy(struct relevance **rp)
 173 {
 174     if (*rp)
 175     {
 176         pp2_charset_token_destroy((*rp)->prt);
 177         nmem_destroy((*rp)->nmem);
 178         *rp = 0;
 179     }
 180 }
 181
 182 void relevance_newrec(struct relevance *r, struct record_cluster *rec)
 183 {
 184     if (!rec->term_frequency_vec)
 185     {
 186         int i;
 187
 188         // term frequency [1,..] . [0] is total length of all fields
 189         rec->term_frequency_vec =
 190             nmem_malloc(r->nmem,
 191                         r->vec_len * sizeof(*rec->term_frequency_vec));
 192         for (i = 0; i < r->vec_len; i++)
 193             rec->term_frequency_vec[i] = 0;
 194
 195         // term frequency divided by length of field [1,...]
 196         rec->term_frequency_vecf =
 197             nmem_malloc(r->nmem,
 198                         r->vec_len * sizeof(*rec->term_frequency_vecf));
 199         for (i = 0; i < r->vec_len; i++)
 200             rec->term_frequency_vecf[i] = 0.0;
 201
 202         // for relevance_countwords (so we don't have to xmalloc/xfree)
 203         rec->term_frequency_vec_tmp =
 204             nmem_malloc(r->nmem,
 205                         r->vec_len * sizeof(*rec->term_frequency_vec_tmp));
 206     }
 207 }
 208
 209 void relevance_donerecord(struct relevance *r, struct record_cluster *cluster)
 210 {
 211     int i;
 212
 213     for (i = 1; i < r->vec_len; i++)
 214         if (cluster->term_frequency_vec[i] > 0)
 215             r->doc_frequency_vec[i]++;
 216
 217     r->doc_frequency_vec[0]++;
 218 }
 219
 220 // Prepare for a relevance-sorted read
 221 void relevance_prepare_read(struct relevance *rel, struct reclist *reclist)
 222 {
 223     int i;
 224     float *idfvec = xmalloc(rel->vec_len * sizeof(float));
 225
 226     reclist_enter(reclist);
 227     // Calculate document frequency vector for each term.
 228     for (i = 1; i < rel->vec_len; i++)
 229     {
 230         if (!rel->doc_frequency_vec[i])
 231             idfvec[i] = 0;
 232         else
 233         {
 234             /* add one to nominator idf(t,D) to ensure a value > 0 */
 235             idfvec[i] = log((float) (1 + rel->doc_frequency_vec[0]) /
 236                             rel->doc_frequency_vec[i]);
 237         }
 238     }
 239     // Calculate relevance for each document
 240     while (1)
 241     {
 242         int t;
 243         int relevance = 0;
 244         struct record_cluster *rec = reclist_read_record(reclist);
 245         if (!rec)
 246             break;
 247         for (t = 1; t < rel->vec_len; t++)
 248         {
 249             float termfreq = (float) rec->term_frequency_vecf[t];
 250             relevance += 100000 * termfreq * idfvec[t];
 251         }
 252         if (!rel->rank_cluster)
 253         {
 254             struct record *record;
 255             int cluster_size = 0;
 256
 257             for (record = rec->records; record; record = record->next)
 258                 cluster_size++;
 259
 260             relevance /= cluster_size;
 261         }
 262         rec->relevance_score = relevance;
 263     }
 264     reclist_leave(reclist);
 265     xfree(idfvec);
 266 }
 267
 268 /*
 269  * Local variables:
 270  * c-basic-offset: 4
 271  * c-file-style: "Stroustrup"
 272  * indent-tabs-mode: nil
 273  * End:
 274  * vim: shiftwidth=4 tabstop=8 expandtab
 275  */
 276