"""
app/core/ranking.py — Kombiniertes Scoring (WP-04)

Zweck:
    Zusammenführen von semantischem Score (normalisiert), Edge-Bonus und
    Centrality-Bonus in einen Gesamtscore für die Ergebnisreihung.
Kompatibilität:
    Python 3.12+
Version:
    0.1.0  (Erstanlage)
Stand:
    2025-10-07
Bezug:
    WP-04 Ranking-Formel (w_sem, w_edge, w_cent)
Nutzung:
    from app.core.ranking import combine_scores
Änderungsverlauf:
    0.1.0 (2025-10-07) – Erstanlage.
"""

from __future__ import annotations
from typing import List, Tuple, Dict


def normalize_scores(values: List[float]) -> List[float]:
    """Min-Max-Normalisierung über die Kandidatenmenge (Fallback 0.5 bei Konstanz)."""
    if not values:
        return values
    lo, hi = min(values), max(values)
    if hi - lo < 1e-9:
        return [0.5] * len(values)
    return [(v - lo) / (hi - lo) for v in values]


def combine_scores(
    hits: List[Tuple[str, float, dict]],  # (id, semantic_score, payload)
    edge_bonus_map: Dict[str, float],
    centrality_map: Dict[str, float],
    w_sem: float = 0.70,
    w_edge: float = 0.25,
    w_cent: float = 0.05,
) -> List[Tuple[str, float, float, float, float]]:
    """
    Liefert Liste von (point_id, total_score, edge_bonus, centrality_bonus, raw_semantic_score),
    absteigend nach total_score sortiert.
    """
    sem = [h[1] for h in hits]
    sem_n = normalize_scores(sem)
    out = []
    for (pid, s, payload), s_norm in zip(hits, sem_n):
        e = edge_bonus_map.get(pid, 0.0)
        c = centrality_map.get(pid, 0.0)
        total = w_sem * s_norm + w_edge * e + w_cent * c
        out.append((pid, total, e, c, s))
    out.sort(key=lambda t: t[1], reverse=True)
    return out