"""
entitas.py — Representasi eksplisit entitas dalam wacana AKSARA.

ANTI-TRANSFORMER:
  Transformer: referensi anafor diselesaikan implisit via attention score.
  AKSARA:      setiap entitas punya catatan eksplisit — nama kanonik,
               variasi rujukan, tipe, dan riwayat peran dalam proposisi.

Ini adalah "buku catatan" entitas yang dibaca saat memproses teks —
bukan hidden state yang tidak bisa diaudit.
"""

from __future__ import annotations

from dataclasses import dataclass, field
from typing import Dict, List, Optional, Set, Tuple

from aksara.base.state import AksaraState
from aksara.primitives.krl.proposition import Proposisi
from aksara.primitives.krl.inference import Inferensi


# Pronomina persona bahasa Indonesia yang memicu resolusi referensi
PRONOMINA_PERSONA: Set[str] = {
    "dia", "ia", "beliau", "anda", "kamu", "engkau",
    "mereka", "kalian", "kami", "kita", "-nya", "nya",
}

# Demonstrativa anaforis — merujuk ke entitas yang sudah disebutkan
DEMONSTRATIVA_ANAFORIS: Set[str] = {
    "itu", "tersebut", "tadi", "dimaksud", "ini",
}

# Tipe entitas yang kompatibel dengan pronomina persona
TIPE_PERSONA: Set[str] = {
    "PERSONA", "PERSONA_OTORITAS", "PERSONA_TERDUGA", "PERSONA_KORBAN",
    "ORGANISASI", "INSTITUSI",
}


@dataclass
class EntitasAktif:
    """
    Satu entitas yang aktif dalam wacana.

    Setiap entitas memiliki:
    - nama_kanonis: bentuk kanonik yang digunakan sebagai kunci
    - nama_variasi: semua cara entitas ini dirujuk ("terdakwa", "dia", "tersangka")
    - tipe: dari TipeEntitas KRL (PERSONA, BENDA, LOKASI, dll.)
    - riwayat peran: di kalimat mana dan sebagai apa entitas ini muncul

    Contoh:
      nama_kanonis = "Budi"
      nama_variasi = {"Budi", "dia", "ia", "beliau"}
      peran_riwayat = [(0, "agen"), (2, "pasien")]
    """
    nama_kanonis:   str
    tipe:           str = "ENTITAS"
    nama_variasi:   Set[str] = field(default_factory=set)
    indeks_pertama: int = 0
    indeks_terakhir: int = 0
    peran_riwayat:  List[Tuple[int, str]] = field(default_factory=list)

    def __post_init__(self) -> None:
        if self.nama_kanonis not in self.nama_variasi:
            self.nama_variasi.add(self.nama_kanonis)

    def cocok(self, nama: str) -> bool:
        """Apakah string ini merujuk ke entitas ini?"""
        return nama.lower() in {v.lower() for v in self.nama_variasi}

    def tambah_variasi(self, nama: str) -> None:
        """Tambah cara lain untuk merujuk ke entitas ini."""
        self.nama_variasi.add(nama)

    def adalah_persona(self) -> bool:
        return self.tipe in TIPE_PERSONA

    def perbarui_kemunculan(self, indeks: int, peran: str) -> None:
        self.indeks_terakhir = indeks
        self.peran_riwayat.append((indeks, peran))

    def ke_dict(self) -> dict:
        return {
            "nama_kanonis": self.nama_kanonis,
            "tipe": self.tipe,
            "nama_variasi": sorted(self.nama_variasi),
            "indeks_pertama": self.indeks_pertama,
            "indeks_terakhir": self.indeks_terakhir,
            "peran_riwayat": self.peran_riwayat,
        }


@dataclass
class BingkaiWacana:
    """
    Satu bingkai dalam wacana — satu kalimat beserta seluruh state linguistiknya.

    Bingkai adalah unit terkecil discourse AKSARA.
    Berbeda dari hidden state Transformer: setiap bingkai bisa dibaca dan diaudit.
    """
    indeks:    int
    kalimat:   str
    state:     AksaraState
    proposisi: Optional[Proposisi]
    inferensi: List[Inferensi] = field(default_factory=list)

    @property
    def skor_linguistik(self) -> float:
        return self.state.skor_linguistik

    @property
    def ada_proposisi(self) -> bool:
        return self.proposisi is not None

    @property
    def entitas_disebutkan(self) -> List[str]:
        """Semua nilai slot dari proposisi kalimat ini."""
        if self.proposisi is None:
            return []
        return [s.nilai for s in self.proposisi.slot.values() if s.nilai]

    def ke_dict(self) -> dict:
        return {
            "indeks": self.indeks,
            "kalimat": self.kalimat,
            "skor_linguistik": self.skor_linguistik,
            "proposisi": self.proposisi.ke_dict() if self.proposisi else None,
            "n_inferensi": len(self.inferensi),
        }