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 886 - (view) (download)
Original Path: pkg/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$load = TRUE
22 : feinerer 63
23 : feinerer 886 if (dbControl$useDb && require("filehash")) {
24 : feinerer 712 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 886 if (dbControl$useDb && require("filehash")) {
45 : feinerer 712 dbInsert(db, ID(doc), doc)
46 : feinerer 869 if (object@Length > 0)
47 :     tdl[[counter]] <- ID(doc)
48 :     else
49 :     tdl <- c(tdl, ID(doc))
50 : feinerer 712 }
51 : feinerer 869 else {
52 :     if (object@Length > 0)
53 :     tdl[[counter]] <- doc
54 :     else
55 :     tdl <- c(tdl, list(doc))
56 :     }
57 : feinerer 63 counter <- counter + 1
58 :     }
59 :    
60 : feinerer 712 df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
61 : feinerer 886 if (dbControl$useDb && require("filehash")) {
62 : feinerer 712 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 886 if (!Cached(object) && require("XML")) {
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$language, filename))
163 : feinerer 72 }
164 :    
165 :     return(object)
166 :     })
167 :    
168 : feinerer 830 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
169 : feinerer 698 setMethod("tmMap",
170 : feinerer 816 signature(object = "Corpus", FUN = "function"),
171 : feinerer 830 function(object, FUN, ..., lazy = FALSE) {
172 : feinerer 73 result <- object
173 : feinerer 689 # Note that text corpora are automatically loaded into memory via \code{[[}
174 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
175 : feinerer 830 if (lazy)
176 :     warning("lazy mapping is deactived when using database backend")
177 : feinerer 719 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
178 : feinerer 728 i <- 1
179 :     for (id in unlist(object)) {
180 :     db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
181 :     i <- i + 1
182 :     }
183 : feinerer 833 # Suggested by Christian Buchta
184 :     dbReorganize(db)
185 : feinerer 719 }
186 : feinerer 828 else {
187 : feinerer 830 # Lazy mapping
188 :     if (lazy) {
189 :     lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
190 :     if (is.null(lazyTmMap)) {
191 :     meta(result, tag = "lazyTmMap", type = "corpus") <-
192 :     list(index = rep(TRUE, length(result)),
193 :     maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
194 :     }
195 :     else {
196 :     lazyTmMap$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 886 require("XML")
242 :    
243 : feinerer 816 corpus <- Content(object)
244 : feinerer 49
245 :     # As XMLDocument is no native S4 class, restore valid information
246 :     class(corpus) <- "XMLDocument"
247 :     names(corpus) <- c("doc","dtd")
248 :    
249 : feinerer 61 return(FUN(xmlRoot(corpus), ...))
250 : feinerer 49 })
251 : feinerer 725 setMethod("asPlain",
252 : feinerer 757 signature(object = "Reuters21578Document"),
253 :     function(object, FUN, ...) {
254 : feinerer 886 require("XML")
255 :    
256 : feinerer 757 FUN <- convertReut21578XMLPlain
257 : feinerer 816 corpus <- Content(object)
258 : feinerer 757
259 :     # As XMLDocument is no native S4 class, restore valid information
260 :     class(corpus) <- "XMLDocument"
261 :     names(corpus) <- c("doc","dtd")
262 :    
263 :     return(FUN(xmlRoot(corpus), ...))
264 :     })
265 :     setMethod("asPlain",
266 :     signature(object = "RCV1Document"),
267 :     function(object, FUN, ...) {
268 : feinerer 856 return(convertRCV1Plain(object, ...))
269 : feinerer 757 })
270 :     setMethod("asPlain",
271 : feinerer 725 signature(object = "NewsgroupDocument"),
272 :     function(object, FUN, ...) {
273 : feinerer 875 new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),
274 : feinerer 725 DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
275 : feinerer 826 Origin = Origin(object), Heading = Heading(object), Language = Language(object),
276 :     LocalMetaData = LocalMetaData(object))
277 : feinerer 725 })
278 : feinerer 775 setMethod("asPlain",
279 :     signature(object = "StructuredTextDocument"),
280 :     function(object, FUN, ...) {
281 : feinerer 816 new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
282 : feinerer 875 URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),
283 : feinerer 775 Description = Description(object), ID = ID(object), Origin = Origin(object),
284 : feinerer 826 Heading = Heading(object), Language = Language(object),
285 :     LocalMetaData = LocalMetaData(object))
286 : feinerer 775 })
287 : feinerer 49
288 : feinerer 854 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
289 : feinerer 698 setMethod("tmFilter",
290 : feinerer 816 signature(object = "Corpus"),
291 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
292 :     if (!is.null(attr(FUN, "doclevel")))
293 :     doclevel <- attr(FUN, "doclevel")
294 : feinerer 861 if (doclevel) {
295 :     if (clusterAvailable())
296 : feinerer 870 return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])
297 : feinerer 861 else
298 :     return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
299 :     }
300 : feinerer 73 else
301 : feinerer 724 return(object[FUN(object, ...)])
302 : feinerer 61 })
303 :    
304 : feinerer 854 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
305 : feinerer 698 setMethod("tmIndex",
306 : feinerer 816 signature(object = "Corpus"),
307 : feinerer 854 function(object, ..., FUN = searchFullText, doclevel = TRUE) {
308 :     if (!is.null(attr(FUN, "doclevel")))
309 :     doclevel <- attr(FUN, "doclevel")
310 : feinerer 861 if (doclevel) {
311 :     if (clusterAvailable())
312 : feinerer 870 return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))
313 : feinerer 861 else
314 :     return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
315 :     }
316 : feinerer 73 else
317 : feinerer 724 return(FUN(object, ...))
318 : feinerer 49 })
319 :    
320 : feinerer 698 setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
321 :     setMethod("appendElem",
322 : feinerer 816 signature(object = "Corpus", data = "TextDocument"),
323 : feinerer 72 function(object, data, meta = NULL) {
324 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
325 : feinerer 712 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
326 :     if (dbExists(db, ID(data)))
327 :     warning("document with identical ID already exists")
328 :     dbInsert(db, ID(data), data)
329 :     object@.Data[[length(object)+1]] <- ID(data)
330 :     }
331 :     else
332 :     object@.Data[[length(object)+1]] <- data
333 :     DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
334 : feinerer 52 return(object)
335 :     })
336 :    
337 : feinerer 698 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
338 :     setMethod("appendMeta",
339 : feinerer 816 signature(object = "Corpus"),
340 : feinerer 698 function(object, cmeta = NULL, dmeta = NULL) {
341 : feinerer 712 object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
342 :     if (!is.null(dmeta)) {
343 : feinerer 719 DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
344 : feinerer 712 }
345 : feinerer 52 return(object)
346 :     })
347 : feinerer 53
348 : feinerer 698 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
349 :     setMethod("removeMeta",
350 : feinerer 816 signature(object = "Corpus"),
351 : feinerer 698 function(object, cname = NULL, dname = NULL) {
352 : feinerer 729 if (!is.null(cname))
353 : feinerer 698 object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
354 : feinerer 729 if (!is.null(dname))
355 :     DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
356 : feinerer 77 return(object)
357 :     })
358 : feinerer 69
359 : feinerer 698 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
360 :     setMethod("prescindMeta",
361 : feinerer 816 signature(object = "Corpus", meta = "character"),
362 : feinerer 73 function(object, meta) {
363 :     for (m in meta) {
364 : feinerer 719 if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
365 : feinerer 75 local.m <- lapply(object, m)
366 : feinerer 853 local.m <- sapply(local.m, paste, collapse = " ")
367 : feinerer 75 local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
368 : feinerer 73 local.m <- unlist(local.m)
369 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
370 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
371 : feinerer 75 }
372 :     else {
373 :     local.meta <- lapply(object, LocalMetaData)
374 :     local.m <- lapply(local.meta, "[[", m)
375 :     local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
376 :     if (length(local.m) == length(unlist(local.m)))
377 :     local.m <- unlist(local.m)
378 :     else
379 :     local.m <- I(local.m)
380 : feinerer 721 DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
381 :     names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
382 : feinerer 75 }
383 : feinerer 73 }
384 :     return(object)
385 :     })
386 :    
387 : feinerer 53 setMethod("[",
388 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
389 : feinerer 53 function(x, i, j, ... , drop) {
390 :     if(missing(i))
391 :     return(x)
392 :    
393 :     object <- x
394 :     object@.Data <- x@.Data[i, ..., drop = FALSE]
395 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
396 : feinerer 727 index <- object@DMetaData[[1 , "subset"]]
397 :     if (any(is.na(index)))
398 :     object@DMetaData[[1 , "subset"]] <- i
399 : feinerer 724 else
400 : feinerer 727 object@DMetaData[[1 , "subset"]] <- index[i]
401 : feinerer 724 }
402 : feinerer 729 else
403 :     DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
404 : feinerer 53 return(object)
405 :     })
406 :    
407 : feinerer 63 setMethod("[<-",
408 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
409 : feinerer 63 function(x, i, j, ... , value) {
410 :     object <- x
411 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
412 : feinerer 724 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
413 :     counter <- 1
414 :     for (id in object@.Data[i, ...]) {
415 :     if (length(value) == 1)
416 :     db[[id]] <- value
417 :     else {
418 :     db[[id]] <- value[[counter]]
419 :     }
420 :     counter <- counter + 1
421 :     }
422 :     }
423 :     else
424 :     object@.Data[i, ...] <- value
425 : feinerer 63 return(object)
426 :     })
427 :    
428 :     setMethod("[[",
429 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY"),
430 : feinerer 63 function(x, i, j, ...) {
431 : feinerer 886 if (DBControl(x)[["useDb"]] && require("filehash")) {
432 : feinerer 712 db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
433 :     result <- dbFetch(db, x@.Data[[i]])
434 :     return(loadDoc(result))
435 :     }
436 : feinerer 829 else {
437 : feinerer 830 lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
438 :     if (!is.null(lazyTmMap))
439 :     .Call("copyCorpus", x, materialize(x, i))
440 : feinerer 712 return(loadDoc(x@.Data[[i]]))
441 : feinerer 829 }
442 : feinerer 63 })
443 :    
444 :     setMethod("[[<-",
445 : feinerer 816 signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
446 : feinerer 63 function(x, i, j, ..., value) {
447 :     object <- x
448 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
449 : feinerer 712 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
450 :     index <- object@.Data[[i]]
451 :     db[[index]] <- value
452 :     }
453 : feinerer 830 else {
454 :     # Mark new objects as not active for lazy mapping
455 :     lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
456 : feinerer 831 if (!is.null(lazyTmMap)) {
457 : feinerer 830 lazyTmMap$index[i] <- FALSE
458 : feinerer 831 meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
459 :     }
460 : feinerer 830 # Set the value
461 : feinerer 712 object@.Data[[i, ...]] <- value
462 : feinerer 830 }
463 : feinerer 63 return(object)
464 :     })
465 :    
466 : feinerer 698 # Update \code{NodeID}s of a CMetaData tree
467 : feinerer 697 update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
468 : feinerer 698 # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
469 : feinerer 697 set_id <- function(object) {
470 :     object@NodeID <- id
471 :     id <<- id + 1
472 :     level <<- level + 1
473 : feinerer 71
474 : feinerer 697 if (length(object@children) > 0) {
475 :     mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
476 :     left <- set_id(object@children[[1]])
477 :     if (level == 1) {
478 :     left.mapping <<- mapping
479 :     mapping <<- NULL
480 :     }
481 :     mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
482 :     right <- set_id(object@children[[2]])
483 : feinerer 71
484 : feinerer 697 object@children <- list(left, right)
485 : feinerer 71 }
486 : feinerer 697 level <<- level - 1
487 : feinerer 71
488 : feinerer 697 return(object)
489 : feinerer 71 }
490 :    
491 : feinerer 697 return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
492 : feinerer 71 }
493 :    
494 : feinerer 53 setMethod("c",
495 : feinerer 816 signature(x = "Corpus"),
496 : feinerer 689 function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
497 :     args <- list(...)
498 : feinerer 720 if (length(args) == 0)
499 : feinerer 689 return(x)
500 : feinerer 71
501 : feinerer 816 if (!all(sapply(args, inherits, "Corpus")))
502 : feinerer 720 stop("not all arguments are text document collections")
503 : feinerer 886 if (DBControl(x)[["useDb"]] || any(unlist(sapply(args, DBControl)["useDb", ])))
504 : feinerer 720 stop("concatenating text document collections with activated database is not supported")
505 :    
506 : feinerer 689 result <- x
507 :     for (c in args) {
508 :     result <- c2(result, c)
509 :     }
510 :     return(result)
511 :     })
512 :    
513 :     setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
514 :     setMethod("c2",
515 : feinerer 816 signature(x = "Corpus", y = "Corpus"),
516 : feinerer 689 function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
517 : feinerer 71 object <- x
518 :     # Concatenate data slots
519 :     object@.Data <- c(as(x, "list"), as(y, "list"))
520 :    
521 : feinerer 720 # Set the DBControl slot
522 : feinerer 741 object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
523 : feinerer 720
524 : feinerer 698 # Update the CMetaData tree
525 :     cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
526 :     update.struct <- update_id(cmeta)
527 :     object@CMetaData <- update.struct$root
528 : feinerer 71
529 :     # Find indices to be updated for the left tree
530 :     indices.mapping <- NULL
531 :     for (m in levels(as.factor(DMetaData(x)$MetaID))) {
532 :     indices <- (DMetaData(x)$MetaID == m)
533 :     indices.mapping <- c(indices.mapping, list(m = indices))
534 :     names(indices.mapping)[length(indices.mapping)] <- m
535 :     }
536 :    
537 :     # Update the DMetaData data frames for the left tree
538 :     for (i in 1:ncol(update.struct$left.mapping)) {
539 :     map <- update.struct$left.mapping[,i]
540 :     x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
541 :     }
542 :    
543 :     # Find indices to be updated for the right tree
544 :     indices.mapping <- NULL
545 :     for (m in levels(as.factor(DMetaData(y)$MetaID))) {
546 :     indices <- (DMetaData(y)$MetaID == m)
547 :     indices.mapping <- c(indices.mapping, list(m = indices))
548 :     names(indices.mapping)[length(indices.mapping)] <- m
549 :     }
550 :    
551 :     # Update the DMetaData data frames for the right tree
552 :     for (i in 1:ncol(update.struct$right.mapping)) {
553 :     map <- update.struct$right.mapping[,i]
554 :     y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
555 :     }
556 :    
557 :     # Merge the DMetaData data frames
558 :     labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
559 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
560 :     x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
561 :     labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
562 :     na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
563 :     y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
564 :     object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
565 :    
566 :     return(object)
567 : feinerer 72 })
568 : feinerer 689
569 : feinerer 72 setMethod("c",
570 :     signature(x = "TextDocument"),
571 :     function(x, ..., recursive = TRUE){
572 :     args <- list(...)
573 :     if(length(args) == 0)
574 :     return(x)
575 : feinerer 54
576 : feinerer 73 dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
577 : feinerer 698 cmeta.node <- new("MetaDataNode",
578 : feinerer 72 NodeID = 0,
579 : feinerer 689 MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
580 : feinerer 72 children = list())
581 :    
582 : feinerer 816 return(new("Corpus",
583 : feinerer 720 .Data = list(x, ...),
584 :     DMetaData = dmeta.df,
585 :     CMetaData = cmeta.node,
586 : feinerer 741 DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
587 : feinerer 72 })
588 :    
589 : feinerer 54 setMethod("length",
590 : feinerer 816 signature(x = "Corpus"),
591 : feinerer 54 function(x){
592 :     return(length(as(x, "list")))
593 :     })
594 :    
595 :     setMethod("show",
596 : feinerer 816 signature(object = "Corpus"),
597 : feinerer 54 function(object){
598 : feinerer 70 cat(sprintf(ngettext(length(object),
599 :     "A text document collection with %d text document\n",
600 :     "A text document collection with %d text documents\n"),
601 :     length(object)))
602 : feinerer 54 })
603 :    
604 :     setMethod("summary",
605 : feinerer 816 signature(object = "Corpus"),
606 : feinerer 54 function(object){
607 :     show(object)
608 : feinerer 71 if (length(DMetaData(object)) > 0) {
609 : feinerer 698 cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
610 : feinerer 77 "\nThe metadata consists of %d tag-value pair and a data frame\n",
611 :     "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
612 : feinerer 698 length(CMetaData(object)@MetaData)))
613 : feinerer 54 cat("Available tags are:\n")
614 : feinerer 722 cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
615 : feinerer 77 cat("Available variables in the data frame are:\n")
616 : feinerer 722 cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
617 : feinerer 54 }
618 :     })
619 : feinerer 55
620 :     setGeneric("inspect", function(object) standardGeneric("inspect"))
621 :     setMethod("inspect",
622 : feinerer 816 signature("Corpus"),
623 : feinerer 55 function(object) {
624 :     summary(object)
625 :     cat("\n")
626 : feinerer 886 if (DBControl(object)[["useDb"]] && require("filehash")) {
627 : feinerer 719 db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
628 :     show(dbMultiFetch(db, unlist(object)))
629 :     }
630 :     else
631 : feinerer 837 print(noquote(lapply(object, identity)))
632 : feinerer 55 })
633 : feinerer 65
634 :     # No metadata is checked
635 :     setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
636 :     setMethod("%IN%",
637 : feinerer 816 signature(x = "TextDocument", y = "Corpus"),
638 : feinerer 65 function(x, y) {
639 : feinerer 886 if (DBControl(y)[["useDb"]] && require("filehash")) {
640 : feinerer 729 db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
641 : feinerer 816 result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
642 : feinerer 729 }
643 :     else
644 :     result <- x %in% y
645 :     return(result)
646 : feinerer 65 })
647 : feinerer 719
648 :     setMethod("lapply",
649 : feinerer 816 signature(X = "Corpus"),
650 : feinerer 719 function(X, FUN, ...) {
651 : feinerer 886 if (DBControl(X)[["useDb"]] && require("filehash")) {
652 : feinerer 719 db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
653 :     result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
654 :     }
655 : feinerer 830 else {
656 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
657 :     if (!is.null(lazyTmMap))
658 :     .Call("copyCorpus", X, materialize(X))
659 : feinerer 719 result <- base::lapply(X, FUN, ...)
660 : feinerer 830 }
661 : feinerer 719 return(result)
662 :     })
663 :    
664 :     setMethod("sapply",
665 : feinerer 816 signature(X = "Corpus"),
666 : feinerer 719 function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
667 : feinerer 886 if (DBControl(X)[["useDb"]] && require("filehash")) {
668 : feinerer 719 db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
669 :     result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
670 :     }
671 : feinerer 830 else {
672 :     lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
673 :     if (!is.null(lazyTmMap))
674 :     .Call("copyCorpus", X, materialize(X))
675 : feinerer 719 result <- base::sapply(X, FUN, ...)
676 : feinerer 830 }
677 : feinerer 719 return(result)
678 :     })
679 : feinerer 819
680 : feinerer 836 setAs("list", "Corpus", function(from) {
681 :     cmeta.node <- new("MetaDataNode",
682 :     NodeID = 0,
683 :     MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
684 :     children = list())
685 :     data <- list()
686 :     counter <- 1
687 :     for (f in from) {
688 :     doc <- new("PlainTextDocument",
689 :     .Data = f, URI = NULL, Cached = TRUE,
690 :     Author = "", DateTimeStamp = Sys.time(),
691 :     Description = "", ID = as.character(counter),
692 :     Origin = "", Heading = "", Language = "en_US")
693 :     data <- c(data, list(doc))
694 :     counter <- counter + 1
695 :     }
696 :     return(new("Corpus", .Data = data,
697 :     DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
698 :     CMetaData = cmeta.node,
699 :     DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))
700 :     })
701 :    
702 : feinerer 819 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
703 :     setMethod("writeCorpus",
704 :     signature(object = "Corpus"),
705 :     function(object, path = ".", filenames = NULL) {
706 :     filenames <- file.path(path,
707 :     if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
708 :     else filenames)
709 :     i <- 1
710 :     for (o in object) {
711 : feinerer 859 writeLines(asPlain(o), filenames[i])
712 : feinerer 819 i <- i + 1
713 :     }
714 :     })

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