SCM

SCM Repository

[tm] Annotation of /pkg/R/corpus.R
ViewVC logotype

Annotation of /pkg/R/corpus.R

Parent Directory Parent Directory | Revision Log Revision Log


Revision 884 - (view) (download)
Original Path: pkg/tm/R/textdoccol.R

1 : feinerer 17 # Author: Ingo Feinerer
2 :    
3 : feinerer 722 # The "..." are additional arguments for the FunctionGenerator reader
4 : feinerer 816 setGeneric("Corpus", function(object,
5 : feinerer 817 readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
6 : feinerer 741 dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7 : feinerer 816 ...) standardGeneric("Corpus"))
8 :     setMethod("Corpus",
9 : feinerer 63 signature(object = "Source"),
10 : feinerer 717 function(object,
11 : feinerer 817 readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
12 : feinerer 741 dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13 : feinerer 733 ...) {
14 : feinerer 809 if (is.null(readerControl$reader))
15 :     readerControl$reader <- object@DefaultReader
16 : feinerer 777 if (is(readerControl$reader, "FunctionGenerator"))
17 : feinerer 722 readerControl$reader <- readerControl$reader(...)
18 : feinerer 799 if (is.null(readerControl$language))
19 :     readerControl$language = "en_US"
20 :     if (is.null(readerControl$load))
21 : feinerer 817 readerControl$load = TRUE
22 : feinerer 63
23 : feinerer 712 if (dbControl$useDb) {
24 :     if (!dbCreate(dbControl$dbName, dbControl$dbType))
25 :     stop("error in creating database")
26 :     db <- dbInit(dbControl$dbName, dbControl$dbType)
27 :     }
28 :    
29 : feinerer 869 # Allocate memory in advance if length is known
30 :     tdl <- if (object@Length > 0)
31 :     vector("list", as.integer(object@Length))
32 :     else
33 :     list()
34 :    
35 : feinerer 63 counter <- 1
36 :     while (!eoi(object)) {
37 : feinerer 698 object <- stepNext(object)
38 :     elem <- getElem(object)
39 : feinerer 63 # If there is no Load on Demand support
40 :     # we need to load the corpus into memory at startup
41 : feinerer 694 if (!object@LoDSupport)
42 : feinerer 722 readerControl$load <- TRUE
43 :     doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
44 : feinerer 712 if (dbControl$useDb) {
45 :     dbInsert(db, ID(doc), doc)
46 : feinerer 869 if (object@Length > 0)
47 :     tdl[[counter]] <- ID(doc)
48 :     else
49 :     tdl <- c(tdl, ID(doc))
50 : feinerer 712 }
51 : feinerer 869 else {
52 :     if (object@Length > 0)
53 :     tdl[[counter]] <- doc
54 :     else
55 :     tdl <- c(tdl, list(doc))
56 :     }
57 : feinerer 63 counter <- counter + 1
58 :     }
59 :    
60 : feinerer 712 df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
61 :     if (dbControl$useDb) {
62 :     dbInsert(db, "DMetaData", df)
63 : feinerer 727 dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
64 : feinerer 712 }
65 :     else
66 :     dmeta.df <- df
67 :    
68 : feinerer 698 cmeta.node <- new("MetaDataNode",
69 : feinerer 71 NodeID = 0,
70 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
71 : feinerer 71 children = list())
72 :    
73 : feinerer 816 return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
74 : feinerer 21 })
75 :    
76 : feinerer 698 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
77 :     setMethod("loadDoc",
78 : feinerer 62 signature(object = "PlainTextDocument"),
79 : feinerer 65 function(object, ...) {
80 : feinerer 61 if (!Cached(object)) {
81 : feinerer 67 con <- eval(URI(object))
82 : feinerer 65 corpus <- readLines(con)
83 :     close(con)
84 : feinerer 816 Content(object) <- corpus
85 : feinerer 60 Cached(object) <- TRUE
86 : feinerer 56 return(object)
87 :     } else {
88 :     return(object)
89 :     }
90 :     })
91 : feinerer 698 setMethod("loadDoc",
92 : feinerer 62 signature(object = "XMLTextDocument"),
93 : feinerer 65 function(object, ...) {
94 : feinerer 61 if (!Cached(object)) {
95 : feinerer 67 con <- eval(URI(object))
96 : feinerer 65 corpus <- paste(readLines(con), "\n", collapse = "")
97 :     close(con)
98 :     doc <- xmlTreeParse(corpus, asText = TRUE)
99 : feinerer 49 class(doc) <- "list"
100 : feinerer 816 Content(object) <- doc
101 : feinerer 60 Cached(object) <- TRUE
102 : feinerer 49 return(object)
103 :     } else {
104 :     return(object)
105 :     }
106 :     })
107 : feinerer 698 setMethod("loadDoc",
108 : feinerer 62 signature(object = "NewsgroupDocument"),
109 : feinerer 65 function(object, ...) {
110 : feinerer 61 if (!Cached(object)) {
111 : feinerer 67 con <- eval(URI(object))
112 : feinerer 65 mail <- readLines(con)
113 :     close(con)
114 : feinerer 60 Cached(object) <- TRUE
115 : feinerer 744 for (index in seq_along(mail)) {
116 : feinerer 65 if (mail[index] == "")
117 :     break
118 :     }
119 : feinerer 816 Content(object) <- mail[(index + 1):length(mail)]
120 : feinerer 56 return(object)
121 :     } else {
122 :     return(object)
123 :     }
124 :     })
125 : feinerer 767 setMethod("loadDoc",
126 :     signature(object = "StructuredTextDocument"),
127 :     function(object, ...) {
128 :     if (!Cached(object)) {
129 :     warning("load on demand not (yet) supported for StructuredTextDocuments")
130 :     return(object)
131 :     } else
132 :     return(object)
133 :     })
134 : feinerer 49
135 : feinerer 719 setGeneric("tmUpdate", function(object,
136 :     origin,
137 : feinerer 817 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
138 : feinerer 719 ...) standardGeneric("tmUpdate"))
139 : feinerer 72 # Update is only supported for directories
140 :     # At the moment no other LoD devices are available anyway
141 : feinerer 698 setMethod("tmUpdate",
142 : feinerer 816 signature(object = "Corpus", origin = "DirSource"),
143 : feinerer 719 function(object, origin,
144 : feinerer 817 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
145 : feinerer 719 ...) {
146 : feinerer 809 if (is.null(readerControl$reader))
147 :     readerControl$reader <- origin@DefaultReader
148 : feinerer 777 if (is(readerControl$reader, "FunctionGenerator"))
149 : feinerer 722 readerControl$reader <- readerControl$reader(...)
150 : feinerer 809 if (is.null(readerControl$language))
151 :     readerControl$language = "en_US"
152 :     if (is.null(readerControl$load))
153 : feinerer 817 readerControl$load = TRUE
154 : feinerer 72
155 : feinerer 875 object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))
156 : feinerer 72 new.files <- setdiff(origin@FileList, object.filelist)
157 :    
158 :     for (filename in new.files) {
159 : feinerer 812 encoding <- origin@Encoding
160 :     elem <- list(content = readLines(filename, encoding = encoding),
161 :     uri = substitute(file(filename, encoding = encoding)))
162 : feinerer 722 object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
163 : feinerer 72 }
164 :    
165 :     return(object)
166 :     })
167 :    
168 : feinerer 830 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
169 : feinerer 698 setMethod("tmMap",
170 : feinerer 816 signature(object = "Corpus", FUN = "function"),
171 : feinerer 830 function(object, FUN, ..., lazy = FALSE) {
172 : feinerer 73 result <- object
173 : feinerer 689 # Note that text corpora are automatically loaded into memory via \code{[[}
174 : feinerer 719 if (DBControl(object)[["useDb"]]) {
175 : feinerer 830 if (lazy)
176 :     warning("lazy mapping is deactived when using database backend")
177 : feinerer 719 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
178 : feinerer 728 i <- 1
179 :     for (id in unlist(object)) {
180 :     db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
181 :     i <- i + 1
182 :     }
183 : feinerer 833 # Suggested by Christian Buchta
184 :     dbReorganize(db)
185 : feinerer 719 }
186 : feinerer 828 else {
187 : feinerer 830 # Lazy mapping
188 :     if (lazy) {
189 :     lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
190 :     if (is.null(lazyTmMap)) {
191 :     meta(result, tag = "lazyTmMap", type = "corpus") <-
192 :     list(index = rep(TRUE, length(result)),
193 :     maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
194 :     }
195 :     else {
196 :     lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
197 :     meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
198 :     }
199 :     }
200 : feinerer 861 else {
201 :     result@.Data <- if (clusterAvailable())
202 : feinerer 870 snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))
203 : feinerer 861 else
204 :     lapply(object, FUN, ..., DMetaData = DMetaData(object))
205 :     }
206 : feinerer 828 }
207 : feinerer 56 return(result)
208 : feinerer 49 })
209 :    
210 : feinerer 828 # Materialize lazy mappings
211 : feinerer 833 # Improvements by Christian Buchta
212 : feinerer 829 materialize <- function(corpus, range = seq_along(corpus)) {
213 : feinerer 828 lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")
214 : feinerer 829 if (!is.null(lazyTmMap)) {
215 : feinerer 833 # Make valid and lazy index
216 :     idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
217 :     if (any(idx)) {
218 :     res <- lapply(corpus@.Data[idx], loadDoc)
219 :     for (m in lazyTmMap$maps)
220 :     res <- lapply(res, m, DMetaData = DMetaData(corpus))
221 :     corpus@.Data[idx] <- res
222 :     lazyTmMap$index[idx] <- FALSE
223 :     }
224 : feinerer 829 }
225 : feinerer 830 # Clean up if everything is materialized
226 :     if (!any(lazyTmMap$index))
227 :     lazyTmMap <- NULL
228 : feinerer 829 meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
229 : feinerer 828 return(corpus)
230 :     }
231 :    
232 : feinerer 698 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
233 :     setMethod("asPlain",
234 : feinerer 62 signature(object = "PlainTextDocument"),
235 : feinerer 49 function(object, FUN, ...) {
236 :     return(object)
237 :     })
238 : feinerer 698 setMethod("asPlain",
239 : feinerer 856 signature(object = "XMLTextDocument"),
240 : feinerer 49 function(object, FUN, ...) {
241 : feinerer 816 corpus <- Content(object)
242 : feinerer 49
243 :     # As XMLDocument is no native S4 class, restore valid information
244 :     class(corpus) <- "XMLDocument"
245 :     names(corpus) <- c("doc","dtd")
246 :    
247 : feinerer 61 return(FUN(xmlRoot(corpus), ...))
248 : feinerer 49 })
249 : feinerer 725 setMethod("asPlain",
250 : feinerer 757 signature(object = "Reuters21578Document"),
251 :     function(object, FUN, ...) {
252 :     FUN <- convertReut21578XMLPlain
253 : feinerer 816 corpus <- Content(object)
254 : feinerer 757
255 :     # As XMLDocument is no native S4 class, restore valid information
256 :     class(corpus) <- "XMLDocument"
257 :     names(corpus) <- c("doc","dtd")
258 :    
259 :     return(FUN(xmlRoot(corpus), ...))
260 :     })
261 :     setMethod("asPlain",
262 :     signature(object = "RCV1Document"),
263 :     function(object, FUN, ...) {
264 : feinerer 856 return(convertRCV1Plain(object, ...))
265 : feinerer 757 })
266 :     setMethod("asPlain",
267 : feinerer 725 signature(object = "NewsgroupDocument"),
268 :     function(object, FUN, ...) {
269 : feinerer 875 new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),
270 : feinerer 725 DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
271 : feinerer 826 Origin = Origin(object), Heading = Heading(object), Language = Language(object),
272 :     LocalMetaData = LocalMetaData(object))
273 : feinerer 725 })
274 : feinerer 775 setMethod("asPlain",
275 :     signature(object = "StructuredTextDocument"),
276 :     function(object, FUN, ...) {
277 : feinerer 816 new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
278 : feinerer 875 URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),
279 : feinerer 775 Description = Description(object), ID = ID(object), Origin = Origin(object),
280 : feinerer 826 Heading = Heading(object), Language = Language(object),
281 :     LocalMetaData = LocalMetaData(object))
282 : feinerer 775 })
283 : feinerer 49
284 : feinerer 854 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
285 : feinerer 698 setMethod("tmFilter",
286 : feinerer 816 signature(object = "Corpus"),
287 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
288 :     if (!is.null(attr(FUN, "doclevel")))
289 :     doclevel <- attr(FUN, "doclevel")
290 : feinerer 861 if (doclevel) {
291 :     if (clusterAvailable())
292 : feinerer 870 return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])
293 : feinerer 861 else
294 :     return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
295 :     }
296 : feinerer 73 else
297 : feinerer 724 return(object[FUN(object, ...)])
298 : feinerer 61 })
299 :    
300 : feinerer 854 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
301 : feinerer 698 setMethod("tmIndex",
302 : feinerer 816 signature(object = "Corpus"),
303 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
304 :     if (!is.null(attr(FUN, "doclevel")))
305 :     doclevel <- attr(FUN, "doclevel")
306 : feinerer 861 if (doclevel) {
307 :     if (clusterAvailable())
308 : feinerer 870 return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))
309 : feinerer 861 else
310 :     return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
311 :     }
312 : feinerer 73 else
313 : feinerer 724 return(FUN(object, ...))
314 : feinerer 49 })
315 :    
316 : feinerer 698 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
317 :     setMethod("appendElem",
318 : feinerer 816 signature(object = "Corpus", data = "TextDocument"),
319 : feinerer 72 function(object, data, meta = NULL) {
320 : feinerer 712 if (DBControl(object)[["useDb"]]) {
321 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
322 :     if (dbExists(db, ID(data)))
323 :     warning("document with identical ID already exists")
324 :     dbInsert(db, ID(data), data)
325 :     object@.Data[[length(object)+1]] <- ID(data)
326 :     }
327 :     else
328 :     object@.Data[[length(object)+1]] <- data
329 :     DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
330 : feinerer 52 return(object)
331 :     })
332 :    
333 : feinerer 698 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
334 :     setMethod("appendMeta",
335 : feinerer 816 signature(object = "Corpus"),
336 : feinerer 698 function(object, cmeta = NULL, dmeta = NULL) {
337 : feinerer 712 object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
338 :     if (!is.null(dmeta)) {
339 : feinerer 719 DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
340 : feinerer 712 }
341 : feinerer 52 return(object)
342 :     })
343 : feinerer 53
344 : feinerer 698 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
345 :     setMethod("removeMeta",
346 : feinerer 816 signature(object = "Corpus"),
347 : feinerer 698 function(object, cname = NULL, dname = NULL) {
348 : feinerer 729 if (!is.null(cname))
349 : feinerer 698 object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
350 : feinerer 729 if (!is.null(dname))
351 :     DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
352 : feinerer 77 return(object)
353 :     })
354 : feinerer 69
355 : feinerer 698 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
356 :     setMethod("prescindMeta",
357 : feinerer 816 signature(object = "Corpus", meta = "character"),
358 : feinerer 73 function(object, meta) {
359 :     for (m in meta) {
360 : feinerer 719 if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
361 : feinerer 75 local.m <- lapply(object, m)
362 : feinerer 853 local.m <- sapply(local.m, paste, collapse = " ")
363 : feinerer 75 local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
364 : feinerer 73 local.m <- unlist(local.m)
365 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
366 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
367 : feinerer 75 }
368 :     else {
369 :     local.meta <- lapply(object, LocalMetaData)
370 :     local.m <- lapply(local.meta, "[[", m)
371 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
372 :     if (length(local.m) == length(unlist(local.m)))
373 :     local.m <- unlist(local.m)
374 :     else
375 :     local.m <- I(local.m)
376 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
377 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
378 : feinerer 75 }
379 : feinerer 73 }
380 :     return(object)
381 :     })
382 :    
383 : feinerer 53 setMethod("[",
384 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
385 : feinerer 53 function(x, i, j, ... , drop) {
386 :     if(missing(i))
387 :     return(x)
388 :    
389 :     object <- x
390 :     object@.Data <- x@.Data[i, ..., drop = FALSE]
391 : feinerer 724 if (DBControl(object)[["useDb"]]) {
392 : feinerer 727 index <- object@DMetaData[[1 , "subset"]]
393 :     if (any(is.na(index)))
394 :     object@DMetaData[[1 , "subset"]] <- i
395 : feinerer 724 else
396 : feinerer 727 object@DMetaData[[1 , "subset"]] <- index[i]
397 : feinerer 724 }
398 : feinerer 729 else
399 :     DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
400 : feinerer 53 return(object)
401 :     })
402 :    
403 : feinerer 63 setMethod("[<-",
404 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
405 : feinerer 63 function(x, i, j, ... , value) {
406 :     object <- x
407 : feinerer 724 if (DBControl(object)[["useDb"]]) {
408 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
409 :     counter <- 1
410 :     for (id in object@.Data[i, ...]) {
411 :     if (length(value) == 1)
412 :     db[[id]] <- value
413 :     else {
414 :     db[[id]] <- value[[counter]]
415 :     }
416 :     counter <- counter + 1
417 :     }
418 :     }
419 :     else
420 :     object@.Data[i, ...] <- value
421 : feinerer 63 return(object)
422 :     })
423 :    
424 :     setMethod("[[",
425 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY"),
426 : feinerer 63 function(x, i, j, ...) {
427 : feinerer 712 if (DBControl(x)[["useDb"]]) {
428 :     db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
429 :     result <- dbFetch(db, x@.Data[[i]])
430 :     return(loadDoc(result))
431 :     }
432 : feinerer 829 else {
433 : feinerer 830 lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
434 :     if (!is.null(lazyTmMap))
435 :     .Call("copyCorpus", x, materialize(x, i))
436 : feinerer 712 return(loadDoc(x@.Data[[i]]))
437 : feinerer 829 }
438 : feinerer 63 })
439 :    
440 :     setMethod("[[<-",
441 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
442 : feinerer 63 function(x, i, j, ..., value) {
443 :     object <- x
444 : feinerer 712 if (DBControl(object)[["useDb"]]) {
445 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
446 :     index <- object@.Data[[i]]
447 :     db[[index]] <- value
448 :     }
449 : feinerer 830 else {
450 :     # Mark new objects as not active for lazy mapping
451 :     lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
452 : feinerer 831 if (!is.null(lazyTmMap)) {
453 : feinerer 830 lazyTmMap$index[i] <- FALSE
454 : feinerer 831 meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
455 :     }
456 : feinerer 830 # Set the value
457 : feinerer 712 object@.Data[[i, ...]] <- value
458 : feinerer 830 }
459 : feinerer 63 return(object)
460 :     })
461 :    
462 : feinerer 698 # Update \code{NodeID}s of a CMetaData tree
463 : feinerer 697 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
464 : feinerer 698 # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
465 : feinerer 697 set_id <- function(object) {
466 :     object@NodeID <- id
467 :     id <<- id + 1
468 :     level <<- level + 1
469 : feinerer 71
470 : feinerer 697 if (length(object@children) > 0) {
471 :     mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
472 :     left <- set_id(object@children[[1]])
473 :     if (level == 1) {
474 :     left.mapping <<- mapping
475 :     mapping <<- NULL
476 :     }
477 :     mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
478 :     right <- set_id(object@children[[2]])
479 : feinerer 71
480 : feinerer 697 object@children <- list(left, right)
481 : feinerer 71 }
482 : feinerer 697 level <<- level - 1
483 : feinerer 71
484 : feinerer 697 return(object)
485 : feinerer 71 }
486 :    
487 : feinerer 697 return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
488 : feinerer 71 }
489 :    
490 : feinerer 53 setMethod("c",
491 : feinerer 816 signature(x = "Corpus"),
492 : feinerer 689 function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
493 :     args <- list(...)
494 : feinerer 720 if (length(args) == 0)
495 : feinerer 689 return(x)
496 : feinerer 71
497 : feinerer 816 if (!all(sapply(args, inherits, "Corpus")))
498 : feinerer 720 stop("not all arguments are text document collections")
499 : feinerer 730 if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
500 : feinerer 720 stop("concatenating text document collections with activated database is not supported")
501 :    
502 : feinerer 689 result <- x
503 :     for (c in args) {
504 :     result <- c2(result, c)
505 :     }
506 :     return(result)
507 :     })
508 :    
509 :     setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
510 :     setMethod("c2",
511 : feinerer 816 signature(x = "Corpus", y = "Corpus"),
512 : feinerer 689 function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
513 : feinerer 71 object <- x
514 :     # Concatenate data slots
515 :     object@.Data <- c(as(x, "list"), as(y, "list"))
516 :    
517 : feinerer 720 # Set the DBControl slot
518 : feinerer 741 object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
519 : feinerer 720
520 : feinerer 698 # Update the CMetaData tree
521 :     cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
522 :     update.struct <- update_id(cmeta)
523 :     object@CMetaData <- update.struct$root
524 : feinerer 71
525 :     # Find indices to be updated for the left tree
526 :     indices.mapping <- NULL
527 :     for (m in levels(as.factor(DMetaData(x)$MetaID))) {
528 :     indices <- (DMetaData(x)$MetaID == m)
529 :     indices.mapping <- c(indices.mapping, list(m = indices))
530 :     names(indices.mapping)[length(indices.mapping)] <- m
531 :     }
532 :    
533 :     # Update the DMetaData data frames for the left tree
534 :     for (i in 1:ncol(update.struct$left.mapping)) {
535 :     map <- update.struct$left.mapping[,i]
536 :     x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
537 :     }
538 :    
539 :     # Find indices to be updated for the right tree
540 :     indices.mapping <- NULL
541 :     for (m in levels(as.factor(DMetaData(y)$MetaID))) {
542 :     indices <- (DMetaData(y)$MetaID == m)
543 :     indices.mapping <- c(indices.mapping, list(m = indices))
544 :     names(indices.mapping)[length(indices.mapping)] <- m
545 :     }
546 :    
547 :     # Update the DMetaData data frames for the right tree
548 :     for (i in 1:ncol(update.struct$right.mapping)) {
549 :     map <- update.struct$right.mapping[,i]
550 :     y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
551 :     }
552 :    
553 :     # Merge the DMetaData data frames
554 :     labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
555 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
556 :     x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
557 :     labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
558 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
559 :     y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
560 :     object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
561 :    
562 :     return(object)
563 : feinerer 72 })
564 : feinerer 689
565 : feinerer 72 setMethod("c",
566 :     signature(x = "TextDocument"),
567 :     function(x, ..., recursive = TRUE){
568 :     args <- list(...)
569 :     if(length(args) == 0)
570 :     return(x)
571 : feinerer 54
572 : feinerer 73 dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
573 : feinerer 698 cmeta.node <- new("MetaDataNode",
574 : feinerer 72 NodeID = 0,
575 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
576 : feinerer 72 children = list())
577 :    
578 : feinerer 816 return(new("Corpus",
579 : feinerer 720 .Data = list(x, ...),
580 :     DMetaData = dmeta.df,
581 :     CMetaData = cmeta.node,
582 : feinerer 741 DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
583 : feinerer 72 })
584 :    
585 : feinerer 54 setMethod("length",
586 : feinerer 816 signature(x = "Corpus"),
587 : feinerer 54 function(x){
588 :     return(length(as(x, "list")))
589 :     })
590 :    
591 :     setMethod("show",
592 : feinerer 816 signature(object = "Corpus"),
593 : feinerer 54 function(object){
594 : feinerer 70 cat(sprintf(ngettext(length(object),
595 :     "A text document collection with %d text document\n",
596 :     "A text document collection with %d text documents\n"),
597 :     length(object)))
598 : feinerer 54 })
599 :    
600 :     setMethod("summary",
601 : feinerer 816 signature(object = "Corpus"),
602 : feinerer 54 function(object){
603 :     show(object)
604 : feinerer 71 if (length(DMetaData(object)) > 0) {
605 : feinerer 698 cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
606 : feinerer 77 "\nThe metadata consists of %d tag-value pair and a data frame\n",
607 :     "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
608 : feinerer 698 length(CMetaData(object)@MetaData)))
609 : feinerer 54 cat("Available tags are:\n")
610 : feinerer 722 cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
611 : feinerer 77 cat("Available variables in the data frame are:\n")
612 : feinerer 722 cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
613 : feinerer 54 }
614 :     })
615 : feinerer 55
616 :     setGeneric("inspect", function(object) standardGeneric("inspect"))
617 :     setMethod("inspect",
618 : feinerer 816 signature("Corpus"),
619 : feinerer 55 function(object) {
620 :     summary(object)
621 :     cat("\n")
622 : feinerer 719 if (DBControl(object)[["useDb"]]) {
623 :     db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
624 :     show(dbMultiFetch(db, unlist(object)))
625 :     }
626 :     else
627 : feinerer 837 print(noquote(lapply(object, identity)))
628 : feinerer 55 })
629 : feinerer 65
630 :     # No metadata is checked
631 :     setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
632 :     setMethod("%IN%",
633 : feinerer 816 signature(x = "TextDocument", y = "Corpus"),
634 : feinerer 65 function(x, y) {
635 : feinerer 729 if (DBControl(y)[["useDb"]]) {
636 :     db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
637 : feinerer 816 result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
638 : feinerer 729 }
639 :     else
640 :     result <- x %in% y
641 :     return(result)
642 : feinerer 65 })
643 : feinerer 719
644 :     setMethod("lapply",
645 : feinerer 816 signature(X = "Corpus"),
646 : feinerer 719 function(X, FUN, ...) {
647 :     if (DBControl(X)[["useDb"]]) {
648 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
649 :     result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
650 :     }
651 : feinerer 830 else {
652 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
653 :     if (!is.null(lazyTmMap))
654 :     .Call("copyCorpus", X, materialize(X))
655 : feinerer 719 result <- base::lapply(X, FUN, ...)
656 : feinerer 830 }
657 : feinerer 719 return(result)
658 :     })
659 :    
660 :     setMethod("sapply",
661 : feinerer 816 signature(X = "Corpus"),
662 : feinerer 719 function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
663 :     if (DBControl(X)[["useDb"]]) {
664 :     db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
665 :     result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
666 :     }
667 : feinerer 830 else {
668 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
669 :     if (!is.null(lazyTmMap))
670 :     .Call("copyCorpus", X, materialize(X))
671 : feinerer 719 result <- base::sapply(X, FUN, ...)
672 : feinerer 830 }
673 : feinerer 719 return(result)
674 :     })
675 : feinerer 819
676 : feinerer 836 setAs("list", "Corpus", function(from) {
677 :     cmeta.node <- new("MetaDataNode",
678 :     NodeID = 0,
679 :     MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
680 :     children = list())
681 :     data <- list()
682 :     counter <- 1
683 :     for (f in from) {
684 :     doc <- new("PlainTextDocument",
685 :     .Data = f, URI = NULL, Cached = TRUE,
686 :     Author = "", DateTimeStamp = Sys.time(),
687 :     Description = "", ID = as.character(counter),
688 :     Origin = "", Heading = "", Language = "en_US")
689 :     data <- c(data, list(doc))
690 :     counter <- counter + 1
691 :     }
692 :     return(new("Corpus", .Data = data,
693 :     DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
694 :     CMetaData = cmeta.node,
695 :     DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))
696 :     })
697 :    
698 : feinerer 819 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
699 :     setMethod("writeCorpus",
700 :     signature(object = "Corpus"),
701 :     function(object, path = ".", filenames = NULL) {
702 :     filenames <- file.path(path,
703 :     if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
704 :     else filenames)
705 :     i <- 1
706 :     for (o in object) {
707 : feinerer 859 writeLines(asPlain(o), filenames[i])
708 : feinerer 819 i <- i + 1
709 :     }
710 :     })

root@r-forge.r-project.org
ViewVC Help
Powered by ViewVC 1.0.0  
Thanks to:
Vienna University of Economics and Business University of Wisconsin - Madison Powered By FusionForge