-- init-db/08-embeddings.sql
-- ============================================================
-- Esquema para embeddings y relaciones semánticas entre noticias
-- Compatible con embeddings_worker.py (usa traduccion_embeddings)
-- y mantiene una vista "embeddings" para compatibilidad previa.
-- ============================================================

-- Tabla principal de embeddings por traducción (con modelo)
CREATE TABLE IF NOT EXISTS traduccion_embeddings (
  id             SERIAL PRIMARY KEY,
  traduccion_id  INT NOT NULL REFERENCES traducciones(id) ON DELETE CASCADE,
  model          TEXT NOT NULL,
  dim            INT NOT NULL,
  embedding      DOUBLE PRECISION[] NOT NULL,
  created_at     TIMESTAMP DEFAULT NOW(),
  UNIQUE (traduccion_id, model)
);

-- Índices recomendados
CREATE INDEX IF NOT EXISTS idx_tr_emb_traduccion_id ON traduccion_embeddings(traduccion_id);
CREATE INDEX IF NOT EXISTS idx_tr_emb_model          ON traduccion_embeddings(model);

-- -----------------------------------------------------------------
-- Vista de compatibilidad "embeddings"
-- (emula tu antigua tabla con columnas: traduccion_id, dim, vec)
-- Ajusta el valor del WHERE model = '...' si usas otro modelo.
-- -----------------------------------------------------------------
DO $$
BEGIN
  -- Si ya existe una tabla llamada embeddings, la renombramos a embeddings_legacy para evitar conflicto
  IF EXISTS (
    SELECT 1 FROM information_schema.tables
    WHERE table_schema = 'public' AND table_name = 'embeddings'
  ) THEN
    EXECUTE 'ALTER TABLE embeddings RENAME TO embeddings_legacy';
  END IF;
EXCEPTION WHEN others THEN
  -- No bloqueamos la migración por esto
  NULL;
END$$;

-- Crea/actualiza la vista
CREATE OR REPLACE VIEW embeddings AS
SELECT
  te.traduccion_id,
  te.dim,
  te.embedding AS vec
FROM traduccion_embeddings te
WHERE te.model = 'sentence-transformers/all-MiniLM-L6-v2';

-- Nota:
-- Si quieres que la vista siempre coja el embedding más reciente de CUALQUIER modelo:
--    REEMPLAZA el WHERE anterior por:
--    WHERE te.id IN (
--      SELECT DISTINCT ON (traduccion_id) id
--      FROM traduccion_embeddings
--      ORDER BY traduccion_id, created_at DESC
--    );

-- -----------------------------------------------------------------
-- Relaciones semánticas entre traducciones (opcional)
-- Esta tabla no la usa el worker directamente, pero permite cachear
-- "noticias relacionadas" precalculadas por otro proceso/batch.
-- -----------------------------------------------------------------
CREATE TABLE IF NOT EXISTS related_noticias (
  traduccion_id          INT NOT NULL REFERENCES traducciones(id) ON DELETE CASCADE,
  related_traduccion_id  INT NOT NULL REFERENCES traducciones(id) ON DELETE CASCADE,
  score                  DOUBLE PRECISION NOT NULL,
  created_at             TIMESTAMP DEFAULT NOW(),
  PRIMARY KEY (traduccion_id, related_traduccion_id),
  CHECK (traduccion_id <> related_traduccion_id)
);

-- Índices para acelerar consultas en ambos sentidos
CREATE INDEX IF NOT EXISTS idx_related_by_tr        ON related_noticias (traduccion_id);
CREATE INDEX IF NOT EXISTS idx_related_by_relatedtr ON related_noticias (related_traduccion_id);

-- Sugerencias:
-- - Si pretendes recalcular periódicamente, podrías limpiar por ventana temporal:
--   DELETE FROM related_noticias WHERE created_at < NOW() - INTERVAL '7 days';