-- 155_objective_mapping_trgm_backfill.sql
-- Issue #307 OBJ-2 — КОНСЕРВАТИВНЫЙ fuzzy (pg_trgm) backfill of
-- objective_complex_mapping. Третий проход (после 116/150): добавляет ТОЛЬКО
-- near-exact distinctive-name матчи, которые 150 (dev-corroboration-only gate)
-- НЕ взял из-за Latin/Cyrillic dev-noise (TEN↔ТЭН, FORTIS↔Фортис) и юр.префиксов.
--
-- CONTEXT
--   objective_complex_mapping связывает Objective-ЖК (objective_complex_name) →
--   domrf_kn_objects.obj_id. До этой миграции — 263 строки (все objective_group=
--   'Екатеринбург'; match_method fuzzy/auto_fuzzy_v2/multi_feature_v1/fuzzy_v2/manual,
--   все is_reviewed=false кроме 2 manual).
--
--   mv_layout_velocity JOIN-ит objective_corpus_room_month.project_name =
--   objective_complex_mapping.objective_complex_name WHERE objective_group=
--   'Екатеринбург' AND domrf_obj_id IS NOT NULL (verified pg_get_viewdef
--   2026-06-14). То есть unique-ключ матчинга — project_name (НЕ project_id):
--   новые строки с этим именем + group='Екатеринбург' немедленно расширяют MV.
--
-- ПОЧЕМУ ИМЕНА, А НЕ project_id
--   objective_lots: 302 distinct objective_project_id ещё не в mapping, НО лишь
--   156 distinct project_name не в mapping под group='Екатеринбург' (многие
--   project_id делят одно имя; многие имена уже сматчены под другим id). MV и
--   UNIQUE-констрейнт работают по имени, 150 дедупил по имени — поэтому здесь
--   тоже дедуп по project_name. Матчить 302 id создало бы дубль-имя конфликты,
--   которые ON CONFLICT молча отбросит.
--
-- НОРМАЛИЗАЦИЯ (идентична 150; калибровка prod read-only 2026-06-14, snapshot
--   2026-06-10): strip ЖК-boilerplate ('Жилой комплекс/квартал/район/дом',
--   'Клубный дом', 'Микрорайон', 'Квартал', 'ЖК', 'Дом' …), кавычки,
--   stage-суффиксы ('N этап/очередь') ДО similarity. Strip-токены по
--   word-boundary (\m…\M) чтобы не резать середину ('Домино'→'ино').
--   Dev нормализуется (strip юр.префиксов СЗ/ГК/ООО/Девелопмент/Development/Group…)
--   и dsim = trigram ИЛИ substring-containment.
--
-- ПРАВИЛО ПРИЁМКИ — PRECISION OVER RECALL (P0: ложный mapping напрямую портит
--   velocity/prices, поэтому держим precision≈1.0 на авто-наборе):
--     nsim = similarity(norm(project_name), norm(comm_name))
--     dsim = trigram(norm dev) OR substring-containment
--     corroborated = (dsim >= 0.5) OR (district точно совпал)
--     generic_guarded = norm(project_name) ∈ стоплист generic single-token имён,
--         где межзастройщицкие коллизии РЕАЛЬНЫ (наблюдённые FP в band'е 1.0:
--         «Солнечный», «Прекрасный», «Невский», «Стрелки», «Парковый» (over-strip
--         «Жилой квартал Парковый»→'парковый' ≡ obj 'Парковый квартал' PRINZIP),
--         «Тихий центр», плюс risk-слова центральный/самоцветы/южные/теплые/
--         московский/сириус/нескучный сад).
--   accept =
--       (nsim >= 0.85 AND NOT generic_guarded)              -- A: near-exact + distinctive
--    OR (nsim >= 0.85 AND generic_guarded AND corroborated) -- A': generic, но dev/district подтверждён
--    OR (nsim >= 0.62 AND nsim < 0.85 AND corroborated)     -- B: good name + dev/district
--   Калибровка по реальным band'ам (prod, BEGIN…ROLLBACK 2026-06-14):
--     • Band A нетронутый дал 29 near-exact (все nsim=1.000). 6 — generic FP с
--       чужим застройщиком → отсечены guard'ом. Остаток 23 — distinctive
--       (RedRock/Геометрия/Башня Времени/…), межзастройщицкая коллизия
--       практически невозможна → авто без dev. Precision на этих 23 ≈ 1.0.
--     • Band B (0.62-0.85): 10 кандидатов, единственный corroborated — «Рио-3»
--       (dsim=1.0 Стройтэк) — но его obj_id 31874 уже занят 150 ('Рио'); «Рио-3»
--       это фаза того же ЖК → исключён obj_id-guard'ом. Прочие 9 uncorroborated
--       (чужой dev / Kurgan-застройщик / уже-сматченный «Самоцветы Урала») →
--       отброшены. ИТОГ band B = 0 авто (намеренно: ни одного безопасного).
--   ИТОГ: 23 новых mapping (все nsim=1.000, decision=A_auto). 133 имени остаются
--     на manual (Anton): 19 без кандидата в DOM.РФ (города-спутники / нет ПД),
--     6 generic-guarded near-exact, 108 низко-/средне-confident без подтверждения.
--
-- COLLISION HANDLING
--   1. Лучший domrf-obj на каждый objective project: DISTINCT ON (project_name)
--      по nsim DESC, dsim DESC.
--   2. Один obj_id ≤ один objective project: ROW_NUMBER per obj_id
--      ORDER BY corroborated DESC, nsim DESC.
--   3. obj_id, уже занятые существующими 263 mapping, исключаются (NOT IN).
--
-- ПОЧЕМУ ТРЕТИЙ ПРОХОД, А НЕ ПЕРЕДЕЛКА 150
--   150 уже применён на prod (_schema_migrations) — переписывать его нельзя
--   (auto-apply once). 155 — аддитивный: только INSERT новых имён, НИКАКИХ
--   DROP/UPDATE существующих 263 строк.
--
-- GIN-ИНДЕКС
--   Существующий idx_domrf_kn_objects_comm_name_trgm — GIST partial WHERE is_ekb=true,
--   а ВСЕ 1543 строки latest-snapshot region_cd=66 имеют is_ekb=false (verified) →
--   индекс покрывает 0 строк, для backfill бесполезен. Добавляем НЕпартиальный
--   GIN trgm индекс (IF NOT EXISTS) на comm_name: он используется %-оператором
--   (verified EXPLAIN: Bitmap Index Scan) для будущих/runtime ad-hoc match-запросов.
--   Честно: САМ backfill ниже использует similarity()>порог в CTE-join (не %),
--   что НЕ триггерит trgm-индекс — но это one-shot 156×1543 Nested Loop (~4 s,
--   измерено на 150), приемлемо. Индекс добавлен под требование задачи и runtime,
--   не под эту миграцию. Таблица 9 MB / 10699 строк → обычный CREATE INDEX
--   (не CONCURRENTLY — нельзя в транзакции) строится мгновенно, lock тривиален.
--
-- DEPENDENCIES: objective_lots, objective_complex_mapping, domrf_kn_objects,
--   pg_trgm (1.6, установлен), mv_layout_velocity (UNIQUE pk mv_layout_velocity_pk
--   на (obj_id, room_bucket) → CONCURRENTLY валиден).
-- DEPLOY: auto-applied by deploy.yml через _schema_migrations (ровно один раз по NN).
--   Применяется ДО compose up -d. ORDER: schema/data first → backend deploy second.
-- IDEMPOTENT: ON CONFLICT (objective_complex_name, objective_group) DO NOTHING +
--   CREATE INDEX IF NOT EXISTS. Re-apply добавит 0 строк (verified BEGIN/INSERT
--   x2/ROLLBACK на prod: INSERT 0 23, затем INSERT 0 0).

BEGIN;

-- Non-partial GIN trgm index for %-operator / runtime fuzzy match (см. шапку).
CREATE INDEX IF NOT EXISTS idx_domrf_kn_objects_comm_name_gin_trgm
    ON domrf_kn_objects USING gin (comm_name gin_trgm_ops);

WITH
-- 1. Latest DOM.РФ snapshot, регион 66 (Свердловская обл / ЕКБ-агломерация).
latest AS (
    SELECT max(snapshot_date) AS sd FROM domrf_kn_objects
),
domrf AS (
    SELECT DISTINCT ON (o.obj_id)
        o.obj_id,
        o.comm_name,
        o.dev_name,
        o.district_name,
        -- \m…\M = PG word boundaries → токены матчатся как ЦЕЛЫЕ слова, не подстроки.
        btrim(regexp_replace(
            regexp_replace(
                regexp_replace(lower(coalesce(o.comm_name, '')),
                    '\m(жилой комплекс|жилой квартал|жилой район|жилой дом|жилые башни|жилые кварталы|клубный дом|концепт-проект|семейный квартал|микрорайон|квартал|паркинг|жк|жр|жд|дом)\M',
                    ' ', 'g'),
                '\d+(\.\d+)?\s*(этап|очередь)', ' ', 'g'),
            '[«»"''.,()\-]+', ' ', 'g')) AS name_norm,
        btrim(regexp_replace(
            regexp_replace(lower(coalesce(o.dev_name, '')),
                '(специализированный застройщик|сз|ооо|оао|зао|пао|ао|гк|группа|холдинг|ск|жск|фонд|девелопмент|девелопер[а-я]*|development|group|developm[a-z]*)',
                ' ', 'g'),
            '[«»"''.,()\-]+', ' ', 'g')) AS dev_norm
    FROM domrf_kn_objects o
    WHERE o.snapshot_date = (SELECT sd FROM latest)
      AND o.region_cd = 66
      AND o.comm_name IS NOT NULL
    ORDER BY o.obj_id
),
-- 2. Distinct Objective projects (один ряд на project_name; dominant dev/district),
--    исключая уже сматченные в group='Екатеринбург'.
obj AS (
    SELECT
        l.project_name,
        mode() WITHIN GROUP (ORDER BY l.developer) AS developer,
        mode() WITHIN GROUP (ORDER BY l.district)  AS district,
        max(l.objective_project_id)                AS objective_project_id
    FROM objective_lots l
    WHERE l.project_name IS NOT NULL
    GROUP BY l.project_name
),
obj_unmapped AS (
    SELECT
        o.*,
        btrim(regexp_replace(
            regexp_replace(
                regexp_replace(lower(coalesce(o.project_name, '')),
                    '\m(жилой комплекс|жилой квартал|жилой район|жилой дом|жилые башни|жилые кварталы|клубный дом|концепт-проект|семейный квартал|микрорайон|квартал|паркинг|жк|жр|жд|дом)\M',
                    ' ', 'g'),
                '\d+(\.\d+)?\s*(этап|очередь)', ' ', 'g'),
            '[«»"''.,()\-]+', ' ', 'g')) AS name_norm,
        btrim(regexp_replace(
            regexp_replace(lower(coalesce(o.developer, '')),
                '(специализированный застройщик|сз|ооо|оао|зао|пао|ао|гк|группа|холдинг|ск|жск|фонд|девелопмент|девелопер[а-я]*|development|group|developm[a-z]*)',
                ' ', 'g'),
            '[«»"''.,()\-]+', ' ', 'g')) AS dev_norm
    FROM obj o
    WHERE NOT EXISTS (
        SELECT 1 FROM objective_complex_mapping m
        WHERE m.objective_complex_name = o.project_name
          AND m.objective_group = 'Екатеринбург'
    )
),
-- 3. Best DOM.РФ candidate per objective project (нормализованный trigram).
pairs AS (
    SELECT
        u.project_name,
        u.developer        AS obj_dev,
        u.district         AS obj_district,
        u.objective_project_id,
        -- normalized objective name, whitespace-collapsed (для generic-guard сравнения)
        btrim(regexp_replace(u.name_norm, '\s+', ' ', 'g')) AS obj_nn,
        d.obj_id,
        d.comm_name,
        d.dev_name         AS domrf_dev,
        d.district_name    AS domrf_district,
        similarity(u.name_norm, d.name_norm) AS nsim,
        GREATEST(
            similarity(u.dev_norm, d.dev_norm),
            (char_length(btrim(u.dev_norm)) > 2
             AND char_length(btrim(d.dev_norm)) > 2
             AND (u.dev_norm ILIKE '%' || d.dev_norm || '%'
                  OR d.dev_norm ILIKE '%' || u.dev_norm || '%'))::int::double precision
        ) AS dsim,
        (u.district IS NOT NULL AND d.district_name IS NOT NULL
         AND lower(btrim(u.district)) = lower(btrim(d.district_name)))::int AS district_match
    FROM obj_unmapped u
    JOIN domrf d
      ON similarity(u.name_norm, d.name_norm) > 0.2      -- prefilter
),
best_per_proj AS (
    SELECT DISTINCT ON (project_name) *
    FROM pairs
    ORDER BY project_name, nsim DESC, dsim DESC, obj_id
),
classified AS (
    SELECT
        b.*,
        (b.dsim >= 0.5 OR b.district_match = 1) AS corroborated,
        (b.obj_nn = ANY (ARRAY[
            'солнечный','прекрасный','невский','стрелки','парковый','центральный',
            'тихий центр','самоцветы','южные','теплые','московский','сириус','нескучный сад'
        ])) AS generic_guarded
    FROM best_per_proj b
),
accepted AS (
    SELECT *
    FROM (
        SELECT
            c.*,
            ROW_NUMBER() OVER (
                PARTITION BY c.obj_id
                ORDER BY c.corroborated DESC, c.nsim DESC, c.project_name
            ) AS rn_obj
        FROM classified c
        WHERE (
                (c.nsim >= 0.85 AND NOT c.generic_guarded)
             OR (c.nsim >= 0.85 AND c.generic_guarded AND c.corroborated)
             OR (c.nsim >= 0.62 AND c.nsim < 0.85 AND c.corroborated)
              )
          AND c.obj_id NOT IN (
              SELECT domrf_obj_id FROM objective_complex_mapping
              WHERE domrf_obj_id IS NOT NULL
          )
    ) s
    WHERE s.rn_obj = 1
)
INSERT INTO objective_complex_mapping
    (objective_complex_name, objective_project_id, objective_group,
     domrf_obj_id, is_reviewed, match_method, match_score, note)
SELECT
    a.project_name,
    a.objective_project_id,
    'Екатеринбург',
    a.obj_id,
    FALSE,                       -- ВСЕ авто-матчи на ручной review (Anton)
    'auto_trgm_v3',
    round(a.nsim::numeric, 3),
    'OBJ-2 conservative trgm backfill #307'
        || ' | nsim=' || round(a.nsim::numeric, 3)
        || ' dsim=' || round(a.dsim::numeric, 3)
        || ' | domrf="' || coalesce(a.comm_name, '') || '"'
        || ' dev_obj="' || coalesce(a.obj_dev, '') || '"'
        || ' dev_domrf="' || coalesce(a.domrf_dev, '') || '"'
FROM accepted a
ON CONFLICT (objective_complex_name, objective_group) DO NOTHING;

COMMIT;

-- REFRESH ВНЕ транзакции (после COMMIT): CONCURRENTLY требует non-tx-блок и
-- UNIQUE index (mv_layout_velocity_pk на (obj_id, room_bucket) существует) и не
-- блокирует читателей. MV уже populated → CONCURRENTLY безопасен. deploy.yml
-- прогоняет файл через `psql < file` без --single-transaction, поэтому COMMIT
-- выше закрывает txn и этот стейтмент исполняется в собственной транзакции
-- (тот же приём, что в 150_objective_mapping_backfill.sql).
REFRESH MATERIALIZED VIEW CONCURRENTLY mv_layout_velocity;