src/relevance.c

   1 /* This file is part of Pazpar2.
   2    Copyright (C) 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 #include "client.h"
  31 #include "settings.h"
  32
  33 #ifdef WIN32
  34 #define log2(x) (log(x)/log(2))
  35 #endif
  36
  37 struct relevance
  38 {
  39     int *doc_frequency_vec;
  40     int *term_frequency_vec_tmp;
  41     int *term_pos;
  42     int vec_len;
  43     struct word_entry *entries;
  44     pp2_charset_token_t prt;
  45     int rank_cluster;
  46     double follow_factor;
  47     double lead_decay;
  48     int length_divide;
  49     NMEM nmem;
  50     struct norm_client *norm;
  51 };
  52
  53 struct word_entry {
  54     const char *norm_str;
  55     const char *display_str;
  56     int termno;
  57     char *ccl_field;
  58     struct word_entry *next;
  59 };
  60
  61 // Structure to keep data for norm_client scores from one client
  62 struct norm_client
  63 {
  64     int num; // number of the client
  65     float max;
  66     float min;
  67     int count;
  68     const char *native_score;
  69     int scorefield;
  70     float a,b; // Rn = a*R + b
  71     struct client *client;
  72     struct norm_client *next;
  73     struct norm_record *records;
  74 };
  75
  76 const int scorefield_none = -1;  // Do not normalize anything, use tf/idf as is
  77   // This is the old behavior, and the default
  78 const int scorefield_internal = -2;  // use our tf/idf, but normalize it
  79 const int scorefield_position = -3;  // fake a score based on the position
  80 // Positive numbers indicate the field to be used for scoring.
  81
  82 // A structure for each (sub)record. There is one list for each client
  83 struct norm_record
  84 {
  85     struct record *record;
  86     float score;
  87     struct record_cluster *clust;
  88     struct norm_record *next;
  89 };
  90
  91 // Find the norm_client entry for this client, or create one if not there
  92 struct norm_client *findnorm( struct relevance *rel, struct client* client)
  93 {
  94     struct norm_client *n = rel->norm;
  95     struct session_database *sdb;
  96     while (n) {
  97         if (n->client == client )
  98             return n;
  99         n = n->next;
 100     }
 101     n = nmem_malloc(rel->nmem, sizeof(struct norm_client) );
 102     if ( rel->norm )
 103         n->num = rel->norm->num +1;
 104     else
 105         n->num = 1;
 106     n->count = 0;
 107     n->max = 0.0;
 108     n->min = 0.0;
 109     n->client = client;
 110     n->next = rel->norm;
 111     rel->norm = n;
 112     sdb = client_get_database(client);
 113     n->native_score = session_setting_oneval(sdb, PZ_NATIVE_SCORE);
 114     n->records = 0;
 115     n->scorefield = scorefield_none;
 116     yaz_log(YLOG_LOG,"Normalizing: Client %d uses '%s'", n->num, n->native_score );
 117     if ( ! n->native_score  || ! *n->native_score )  // not specified
 118         n->scorefield = scorefield_none;
 119     else if ( strcmp(n->native_score,"position") == 0 )
 120         n->scorefield = scorefield_position;
 121     else if ( strcmp(n->native_score,"internal") == 0 )
 122         n->scorefield = scorefield_internal;
 123     else
 124     { // Get the field index for the score
 125         struct session *se = client_get_session(client);
 126         n->scorefield = conf_service_metadata_field_id(se->service, n->native_score);
 127     }
 128     yaz_log(YLOG_LOG,"Normalizing: Client %d uses '%s' = %d",
 129             n->num, n->native_score, n->scorefield );
 130     return n;
 131 }
 132
 133
 134 // Add all records from a cluster into the list for that client, for normalizing later
 135 static void setup_norm_record( struct relevance *rel,  struct record_cluster *clust)
 136 {
 137     struct record *record;
 138     for (record = clust->records; record; record = record->next)
 139     {
 140         struct norm_client *norm = findnorm(rel, record->client);
 141         struct norm_record *rp;
 142         if ( norm->scorefield == scorefield_none)
 143             break;  // not interested in normalizing this client
 144         rp = nmem_malloc(rel->nmem, sizeof(struct norm_record) );
 145         norm->count ++;
 146         rp->next = norm->records;
 147         norm->records = rp;
 148         rp->clust = clust;
 149         rp->record = record;
 150         if ( norm->scorefield == scorefield_position )
 151             rp->score = 1.0 / record->position;
 152         else if ( norm->scorefield == scorefield_internal )
 153             rp->score = clust->relevance_score; // the tf/idf for the whole cluster
 154               // TODO - Get them for each record, merge later!
 155         else
 156         {
 157             struct record_metadata *md = record->metadata[norm->scorefield];
 158             rp->score = md->data.fnumber;
 159         }
 160         yaz_log(YLOG_LOG,"Got score for %d/%d : %f ",
 161                 norm->num, record->position, rp->score );
 162         record -> score = rp->score;
 163         if ( norm->count == 1 )
 164         {
 165             norm->max = rp->score;
 166             norm->min = rp->score;
 167         } else {
 168             if ( rp->score > norm->max )
 169                 norm->max = rp->score;
 170             if ( rp->score < norm->min )
 171                 norm->min = rp->score;
 172         }
 173     }
 174 }
 175
 176 // Calculate the squared sum of residuals, that is the difference from
 177 // normalized values to the target curve, which is 1/n
 178 static double squaresum( struct norm_record *rp, double a, double b)
 179 {
 180     double sum = 0.0;
 181     for ( ; rp; rp = rp->next )
 182     {
 183         double target = 1.0 / rp->record->position;
 184         double normscore = rp->score * a + b;
 185         double diff = target - normscore;
 186         sum += diff * diff;
 187     }
 188     return sum;
 189 }
 190
 191 // For each client, normalize scores
 192 static void normalize_scores(struct relevance *rel)
 193 {
 194     const int maxiterations = 1000;
 195     const double enough = 100.0;  // sets the number of decimals we are happy with
 196     const double stepchange = 0.5; // reduction of the step size when finding middle
 197       // 0.5 sems to be magical, much better than 0.4 or 0.6
 198     struct norm_client *norm;
 199     for ( norm = rel->norm; norm; norm = norm->next )
 200     {
 201         yaz_log(YLOG_LOG,"Normalizing client %d: scorefield=%d count=%d range=%f %f = %f",
 202                 norm->num, norm->scorefield, norm->count, norm->min,
 203                 norm->max, norm->max-norm->min);
 204         norm->a = 1.0; // default normalizing factors, no change
 205         norm->b = 0.0;
 206         if ( norm->scorefield != scorefield_none &&
 207              norm->scorefield != scorefield_position )
 208         { // have something to normalize
 209             double range = norm->max - norm->min;
 210             int it = 0;
 211             double a,b;  // params to optimize
 212             double as,bs; // step sizes
 213             double chi;
 214             char *branch = "?";
 215             // initial guesses for the parameters
 216             // Rmax = a * rmax + b    # want to be 1.0
 217             // Rmin = a * rmin + b    # want to be 0.0
 218             // Rmax - Rmin = a ( rmax - rmin )    # subtracting equations
 219             // 1.0 - 0.0 = a ( rmax - rmin )
 220             // a = 1 / range
 221             // Rmin = a * rmin + b
 222             // b = Rmin - a * rmin
 223             //   = 0.0 - 1/range * rmin
 224             //   = - rmin / range
 225
 226             if ( range < 1e-6 ) // practically zero
 227                 range = norm->max;
 228             a = 1.0 / range;
 229             b = -1.0 * norm->min / range;
 230             // b = fabs(norm->min) / range;
 231             as = a / 10;
 232             bs = fabs(b) / 10;
 233             chi = squaresum( norm->records, a,b);
 234             yaz_log(YLOG_LOG,"Initial done: it=%d: a=%f / %f  b=%f / %f  chi = %f",
 235                         0, a, as, b, bs, chi );
 236             while (it++ < maxiterations)  // safeguard against things not converging
 237             {
 238                 double aplus = squaresum(norm->records, a+as, b);
 239                 double aminus= squaresum(norm->records, a-as, b);
 240                 double bplus = squaresum(norm->records, a, b+bs);
 241                 double bminus= squaresum(norm->records, a, b-bs);
 242                 double prevchi = chi;
 243                 if ( aplus < chi && aplus < aminus && aplus < bplus && aplus < bminus)
 244                 {
 245                     a = a + as;
 246                     chi = aplus;
 247                     as = as * (1.0 + stepchange);
 248                     branch = "aplus ";
 249                 }
 250                 else if ( aminus < chi && aminus < aplus && aminus < bplus && aminus < bminus)
 251                 {
 252                     a = a - as;
 253                     chi = aminus;
 254                     as = as * (1.0 + stepchange);
 255                     branch = "aminus";
 256                 }
 257                 else if ( bplus < chi && bplus < aplus && bplus < aminus && bplus < bminus)
 258                 {
 259                     b = b + bs;
 260                     chi = bplus;
 261                     bs = bs * (1.0 + stepchange);
 262                     branch = "bplus ";
 263                 }
 264                 else if ( bminus < chi && bminus < aplus && bminus < bplus && bminus < aminus)
 265                 {
 266                     b = b - bs;
 267                     chi = bminus;
 268                     branch = "bminus";
 269                     bs = bs * (1.0+stepchange);
 270                 }
 271                 else
 272                 { // a,b is the best so far, adjust one step size
 273                   // which one? The one that has the greatest effect to chi
 274                   // That is, the average of plus and minus is further away from chi
 275                     double adif = 0.5 * ( aplus + aminus ) - prevchi;
 276                     double bdif = 0.5 * ( bplus + bminus ) - prevchi;
 277                     if ( fabs(adif) > fabs(bdif) )
 278                     {
 279                         as = as * ( 1.0 - stepchange);
 280                         branch = "step a";
 281                     }
 282                     else
 283                     {
 284                         bs = bs * ( 1.0 - stepchange);
 285                         branch = "step b";
 286                     }
 287                 }
 288                 yaz_log(YLOG_LOG,"Fitting %s it=%d: a=%g %g  b=%g %g  chi=%g ap=%g am=%g, bp=%g bm=%g p=%g",
 289                     branch, it, a, as, b, bs, chi,
 290                     aplus, aminus, bplus, bminus, prevchi );
 291                 norm->a = a;
 292                 norm->b = b;
 293                 if ( fabs(as) * enough < fabs(a) &&
 294                      fabs(bs) * enough < fabs(b) ) {
 295                     break;  // not changing much any more
 296
 297                 }
 298             }
 299             yaz_log(YLOG_LOG,"Fitting done: it=%d: a=%g / %g  b=%g / %g  chi = %g",
 300                         it-1, a, as, b, bs, chi );
 301         }
 302
 303         if ( norm->scorefield != scorefield_none )
 304         { // distribute the normalized scores to the records
 305             struct norm_record *nr = norm->records;
 306             for ( ; nr ; nr = nr->next ) {
 307                 double r = nr->score;
 308                 r = norm->a * r + norm -> b;
 309                 nr->clust->relevance_score = 10000 * r;
 310                 nr->record->score = r;
 311                 yaz_log(YLOG_LOG,"Normalized %f * %f + %f = %f",
 312                         nr->score, norm->a, norm->b, r );
 313                 // TODO - This keeps overwriting the cluster score in random order!
 314                 // Need to merge results better
 315             }
 316         }
 317     } // client loop
 318 }
 319
 320
 321 static struct word_entry *word_entry_match(struct relevance *r,
 322                                            const char *norm_str,
 323                                            const char *rank, int *weight)
 324 {
 325     int i = 1;
 326     struct word_entry *entries = r->entries;
 327     for (; entries; entries = entries->next, i++)
 328     {
 329         if (*norm_str && !strcmp(norm_str, entries->norm_str))
 330         {
 331             const char *cp = 0;
 332             int no_read = 0;
 333             sscanf(rank, "%d%n", weight, &no_read);
 334             rank += no_read;
 335             while (*rank == ' ')
 336                 rank++;
 337             if (no_read > 0 && (cp = strchr(rank, ' ')))
 338             {
 339                 if ((cp - rank) == strlen(entries->ccl_field) &&
 340                     memcmp(entries->ccl_field, rank, cp - rank) == 0)
 341                     *weight = atoi(cp + 1);
 342             }
 343             return entries;
 344         }
 345     }
 346     return 0;
 347 }
 348
 349 int relevance_snippet(struct relevance *r,
 350                       const char *words, const char *name,
 351                       WRBUF w_snippet)
 352 {
 353     int no = 0;
 354     const char *norm_str;
 355     int highlight = 0;
 356
 357     pp2_charset_token_first(r->prt, words, 0);
 358     while ((norm_str = pp2_charset_token_next(r->prt)))
 359     {
 360         size_t org_start, org_len;
 361         struct word_entry *entries = r->entries;
 362         int i;
 363
 364         pp2_get_org(r->prt, &org_start, &org_len);
 365         for (; entries; entries = entries->next, i++)
 366         {
 367             if (*norm_str && !strcmp(norm_str, entries->norm_str))
 368                 break;
 369         }
 370         if (entries)
 371         {
 372             if (!highlight)
 373             {
 374                 highlight = 1;
 375                 wrbuf_puts(w_snippet, "<match>");
 376                 no++;
 377             }
 378         }
 379         else
 380         {
 381             if (highlight)
 382             {
 383                 highlight = 0;
 384                 wrbuf_puts(w_snippet, "</match>");
 385             }
 386         }
 387         wrbuf_xmlputs_n(w_snippet, words + org_start, org_len);
 388     }
 389     if (highlight)
 390         wrbuf_puts(w_snippet, "</match>");
 391     if (no)
 392     {
 393         yaz_log(YLOG_DEBUG, "SNIPPET match: %s", wrbuf_cstr(w_snippet));
 394     }
 395     return no;
 396 }
 397
 398 void relevance_countwords(struct relevance *r, struct record_cluster *cluster,
 399                           const char *words, const char *rank,
 400                           const char *name)
 401 {
 402     int *w = r->term_frequency_vec_tmp;
 403     const char *norm_str;
 404     int i, length = 0;
 405     double lead_decay = r->lead_decay;
 406     struct word_entry *e;
 407     WRBUF wr = cluster->relevance_explain1;
 408     int printed_about_field = 0;
 409
 410     pp2_charset_token_first(r->prt, words, 0);
 411     for (e = r->entries, i = 1; i < r->vec_len; i++, e = e->next)
 412     {
 413         w[i] = 0;
 414         r->term_pos[i] = 0;
 415     }
 416
 417     assert(rank);
 418     while ((norm_str = pp2_charset_token_next(r->prt)))
 419     {
 420         int local_weight = 0;
 421         e = word_entry_match(r, norm_str, rank, &local_weight);
 422         if (e)
 423         {
 424             int res = e->termno;
 425             int j;
 426
 427             if (!printed_about_field)
 428             {
 429                 printed_about_field = 1;
 430                 wrbuf_printf(wr, "field=%s content=", name);
 431                 if (strlen(words) > 50)
 432                 {
 433                     wrbuf_xmlputs_n(wr, words, 49);
 434                     wrbuf_puts(wr, " ...");
 435                 }
 436                 else
 437                     wrbuf_xmlputs(wr, words);
 438                 wrbuf_puts(wr, ";\n");
 439             }
 440             assert(res < r->vec_len);
 441             w[res] += local_weight / (1 + log2(1 + lead_decay * length));
 442             wrbuf_printf(wr, "%s: w[%d] += w(%d) / "
 443                          "(1+log2(1+lead_decay(%f) * length(%d)));\n",
 444                          e->display_str, res, local_weight, lead_decay, length);
 445             j = res - 1;
 446             if (j > 0 && r->term_pos[j])
 447             {
 448                 int d = length + 1 - r->term_pos[j];
 449                 wrbuf_printf(wr, "%s: w[%d] += w[%d](%d) * follow(%f) / "
 450                              "(1+log2(d(%d));\n",
 451                              e->display_str, res, res, w[res],
 452                              r->follow_factor, d);
 453                 w[res] += w[res] * r->follow_factor / (1 + log2(d));
 454             }
 455             for (j = 0; j < r->vec_len; j++)
 456                 r->term_pos[j] = j < res ? 0 : length + 1;
 457         }
 458         length++;
 459     }
 460
 461     for (e = r->entries, i = 1; i < r->vec_len; i++, e = e->next)
 462     {
 463         if (length == 0 || w[i] == 0)
 464             continue;
 465         wrbuf_printf(wr, "%s: tf[%d] += w[%d](%d)", e->display_str, i, i, w[i]);
 466         switch (r->length_divide)
 467         {
 468         case 0:
 469             cluster->term_frequency_vecf[i] += (double) w[i];
 470             break;
 471         case 1:
 472             wrbuf_printf(wr, " / log2(1+length(%d))", length);
 473             cluster->term_frequency_vecf[i] +=
 474                 (double) w[i] / log2(1 + length);
 475             break;
 476         case 2:
 477             wrbuf_printf(wr, " / length(%d)", length);
 478             cluster->term_frequency_vecf[i] += (double) w[i] / length;
 479         }
 480         cluster->term_frequency_vec[i] += w[i];
 481         wrbuf_printf(wr, " (%f);\n", cluster->term_frequency_vecf[i]);
 482     }
 483
 484     cluster->term_frequency_vec[0] += length;
 485 }
 486
 487 static void pull_terms(struct relevance *res, struct ccl_rpn_node *n)
 488 {
 489     char **words;
 490     int numwords;
 491     char *ccl_field;
 492     int i;
 493
 494     switch (n->kind)
 495     {
 496     case CCL_RPN_AND:
 497     case CCL_RPN_OR:
 498     case CCL_RPN_NOT:
 499     case CCL_RPN_PROX:
 500         pull_terms(res, n->u.p[0]);
 501         pull_terms(res, n->u.p[1]);
 502         break;
 503     case CCL_RPN_TERM:
 504         nmem_strsplit(res->nmem, " ", n->u.t.term, &words, &numwords);
 505         for (i = 0; i < numwords; i++)
 506         {
 507             const char *norm_str;
 508
 509             ccl_field = nmem_strdup_null(res->nmem, n->u.t.qual);
 510
 511             pp2_charset_token_first(res->prt, words[i], 0);
 512             while ((norm_str = pp2_charset_token_next(res->prt)))
 513             {
 514                 struct word_entry **e = &res->entries;
 515                 while (*e)
 516                     e = &(*e)->next;
 517                 *e = nmem_malloc(res->nmem, sizeof(**e));
 518                 (*e)->norm_str = nmem_strdup(res->nmem, norm_str);
 519                 (*e)->ccl_field = ccl_field;
 520                 (*e)->termno = res->vec_len++;
 521                 (*e)->display_str = nmem_strdup(res->nmem, words[i]);
 522                 (*e)->next = 0;
 523             }
 524         }
 525         break;
 526     default:
 527         break;
 528     }
 529 }
 530 void relevance_clear(struct relevance *r)
 531 {
 532     if (r)
 533     {
 534         int i;
 535         for (i = 0; i < r->vec_len; i++)
 536             r->doc_frequency_vec[i] = 0;
 537     }
 538 }
 539
 540 struct relevance *relevance_create_ccl(pp2_charset_fact_t pft,
 541                                        struct ccl_rpn_node *query,
 542                                        int rank_cluster,
 543                                        double follow_factor, double lead_decay,
 544                                        int length_divide)
 545 {
 546     NMEM nmem = nmem_create();
 547     struct relevance *res = nmem_malloc(nmem, sizeof(*res));
 548
 549     res->nmem = nmem;
 550     res->entries = 0;
 551     res->vec_len = 1;
 552     res->rank_cluster = rank_cluster;
 553     res->follow_factor = follow_factor;
 554     res->lead_decay = lead_decay;
 555     res->length_divide = length_divide;
 556     res->norm = 0;
 557     res->prt = pp2_charset_token_create(pft, "relevance");
 558
 559     pull_terms(res, query);
 560
 561     res->doc_frequency_vec = nmem_malloc(nmem, res->vec_len * sizeof(int));
 562
 563     // worker array
 564     res->term_frequency_vec_tmp =
 565         nmem_malloc(res->nmem,
 566                     res->vec_len * sizeof(*res->term_frequency_vec_tmp));
 567
 568     res->term_pos =
 569         nmem_malloc(res->nmem, res->vec_len * sizeof(*res->term_pos));
 570
 571     relevance_clear(res);
 572     return res;
 573 }
 574
 575 void relevance_destroy(struct relevance **rp)
 576 {
 577     if (*rp)
 578     {
 579         pp2_charset_token_destroy((*rp)->prt);
 580         nmem_destroy((*rp)->nmem);
 581         *rp = 0;
 582     }
 583 }
 584
 585 void relevance_mergerec(struct relevance *r, struct record_cluster *dst,
 586                         const struct record_cluster *src)
 587 {
 588     int i;
 589
 590     for (i = 0; i < r->vec_len; i++)
 591         dst->term_frequency_vec[i] += src->term_frequency_vec[i];
 592
 593     for (i = 0; i < r->vec_len; i++)
 594         dst->term_frequency_vecf[i] += src->term_frequency_vecf[i];
 595 }
 596
 597 void relevance_newrec(struct relevance *r, struct record_cluster *rec)
 598 {
 599     int i;
 600
 601     // term frequency [1,..] . [0] is total length of all fields
 602     rec->term_frequency_vec =
 603         nmem_malloc(r->nmem,
 604                     r->vec_len * sizeof(*rec->term_frequency_vec));
 605     for (i = 0; i < r->vec_len; i++)
 606         rec->term_frequency_vec[i] = 0;
 607
 608     // term frequency divided by length of field [1,...]
 609     rec->term_frequency_vecf =
 610         nmem_malloc(r->nmem,
 611                     r->vec_len * sizeof(*rec->term_frequency_vecf));
 612     for (i = 0; i < r->vec_len; i++)
 613         rec->term_frequency_vecf[i] = 0.0;
 614 }
 615
 616 void relevance_donerecord(struct relevance *r, struct record_cluster *cluster)
 617 {
 618     int i;
 619
 620     for (i = 1; i < r->vec_len; i++)
 621         if (cluster->term_frequency_vec[i] > 0)
 622             r->doc_frequency_vec[i]++;
 623
 624     r->doc_frequency_vec[0]++;
 625 }
 626
 627
 628
 629 // Prepare for a relevance-sorted read
 630 void relevance_prepare_read(struct relevance *rel, struct reclist *reclist)
 631 {
 632     int i;
 633     float *idfvec = xmalloc(rel->vec_len * sizeof(float));
 634
 635     reclist_enter(reclist);
 636
 637     // Calculate document frequency vector for each term.
 638     for (i = 1; i < rel->vec_len; i++)
 639     {
 640         if (!rel->doc_frequency_vec[i])
 641             idfvec[i] = 0;
 642         else
 643         {
 644             /* add one to nominator idf(t,D) to ensure a value > 0 */
 645             idfvec[i] = log((float) (1 + rel->doc_frequency_vec[0]) /
 646                             rel->doc_frequency_vec[i]);
 647         }
 648     }
 649     // Calculate relevance for each document (cluster)
 650     while (1)
 651     {
 652         int relevance = 0;
 653         WRBUF w;
 654         struct word_entry *e = rel->entries;
 655         struct record_cluster *rec = reclist_read_record(reclist);
 656         if (!rec)
 657             break;
 658         w = rec->relevance_explain2;
 659         wrbuf_rewind(w);
 660         wrbuf_puts(w, "relevance = 0;\n");
 661         for (i = 1; i < rel->vec_len; i++)
 662         {
 663             float termfreq = (float) rec->term_frequency_vecf[i];
 664             int add = 100000 * termfreq * idfvec[i];
 665
 666             wrbuf_printf(w, "idf[%d] = log(((1 + total(%d))/termoccur(%d));\n",
 667                          i, rel->doc_frequency_vec[0],
 668                          rel->doc_frequency_vec[i]);
 669             wrbuf_printf(w, "%s: relevance += 100000 * tf[%d](%f) * "
 670                          "idf[%d](%f) (%d);\n",
 671                          e->display_str, i, termfreq, i, idfvec[i], add);
 672             relevance += add;
 673             e = e->next;
 674         }
 675         if (!rel->rank_cluster)
 676         {
 677             struct record *record;
 678             int cluster_size = 0;
 679
 680             for (record = rec->records; record; record = record->next)
 681                 cluster_size++;
 682
 683             wrbuf_printf(w, "score = relevance(%d)/cluster_size(%d);\n",
 684                          relevance, cluster_size);
 685             relevance /= cluster_size;
 686         }
 687         else
 688         {
 689             wrbuf_printf(w, "score = relevance(%d);\n", relevance);
 690         }
 691         rec->relevance_score = relevance;
 692
 693         // Build the normalizing structures
 694         // List of (sub)records for each target
 695         setup_norm_record( rel, rec );
 696
 697     } // cluster loop
 698
 699     normalize_scores(rel);
 700
 701     // TODO - Calculate the cluster scores from individual records
 702     // At the moment the record scoring puts one of them in the cluster...
 703     reclist_rewind(reclist);
 704
 705     reclist_leave(reclist);
 706     xfree(idfvec);
 707
 708 }
 709
 710 /*
 711  * Local variables:
 712  * c-basic-offset: 4
 713  * c-file-style: "Stroustrup"
 714  * indent-tabs-mode: nil
 715  * End:
 716  * vim: shiftwidth=4 tabstop=8 expandtab
 717  */
 718