SCM

SCM Repository

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

Diff of /pkg/R/corpus.R

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 984, Fri Aug 14 16:32:35 2009 UTC revision 1114, Fri Nov 26 14:05:54 2010 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  prepareReader <- function(readerControl, defaultReader = NULL, ...) {  .PCorpus <- function(x, cmeta, dmeta, dbcontrol) {
4      if (is.null(readerControl$reader))      attr(x, "CMetaData") <- cmeta
5          readerControl$reader <- defaultReader      attr(x, "DMetaData") <- dmeta
6      if (is(readerControl$reader, "FunctionGenerator"))      attr(x, "DBControl") <- dbcontrol
7          readerControl$reader <- readerControl$reader(...)      class(x) <- c("PCorpus", "Corpus", "list")
8      if (is.null(readerControl$language))      x
9          readerControl$language <- "eng"  }
10      readerControl  DBControl <- function(x) attr(x, "DBControl")
 }  
   
 ## Fast Corpus  
 ##   - provides a prototype implementation of a more time and memory efficient representation of a corpus  
 ##   - allows performance tests and comparisons to other corpus types  
 #FCorpus <- function(object, readerControl = list(language = "eng")) {  
 #    readerControl <- prepareReader(readerControl)  
 #  
 #    if (!object@Vectorized)  
 #        stop("Source is not vectorized")  
 #  
 #    tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),  
 #                  function(x) readSlim(x[c("content", "uri")],  
 #                                       readerControl$language,  
 #                                       as.character(x$id)))  
 #  
 #    new("FCorpus", .Data = tdl)  
 #}  
11    
12  PCorpus <- function(object,  PCorpus <- function(x,
13                      readerControl = list(reader = object@DefaultReader, language = "eng"),                      readerControl = list(reader = x$DefaultReader, language = "en"),
14                      dbControl = list(dbName = "", dbType = "DB1"),                      dbControl = list(dbName = "", dbType = "DB1"),
15                      ...) {                      ...) {
16      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
17    
18        if (is.function(readerControl$init))
19            readerControl$init()
20    
21        if (is.function(readerControl$exit))
22            on.exit(readerControl$exit())
23    
24      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
25          stop("error in creating database")          stop("error in creating database")
26      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
27    
28      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
29      tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
30          vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
31      else      else
32          list()          list()
33    
34      counter <- 1      counter <- 1
35      while (!eoi(object)) {      while (!eoi(x)) {
36          object <- stepNext(object)          x <- stepNext(x)
37          elem <- getElem(object)          elem <- getElem(x)
38          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))          doc <- readerControl$reader(elem, readerControl$language, if (is.null(x$Names)) as.character(counter) else x$Names[counter])
39          filehash::dbInsert(db, ID(doc), doc)          filehash::dbInsert(db, ID(doc), doc)
40          if (object@Length > 0) tdl[[counter]] <- ID(doc)          if (x$Length > 0) tdl[[counter]] <- ID(doc)
41          else tdl <- c(tdl, ID(doc))          else tdl <- c(tdl, ID(doc))
42          counter <- counter + 1          counter <- counter + 1
43      }      }
44        names(tdl) <- x$Names
45    
46      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
47      filehash::dbInsert(db, "DMetaData", df)      filehash::dbInsert(db, "DMetaData", df)
48      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
49    
50      cmeta.node <- new("MetaDataNode",      .PCorpus(tdl, .MetaDataNode(), dmeta.df, dbControl)
51                        NodeID = 0,  }
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
52    
53      new("PCorpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl)  .VCorpus <- function(x, cmeta, dmeta) {
54        attr(x, "CMetaData") <- cmeta
55        attr(x, "DMetaData") <- dmeta
56        class(x) <- c("VCorpus", "Corpus", "list")
57        x
58  }  }
59    
60    # Register S3 corpus classes to be recognized by S4 methods. This is
61    # mainly a fix to be compatible with packages which were originally
62    # developed to cooperate with corresponding S4 tm classes. Necessary
63    # since tm's class architecture was changed to S3 since tm version 0.5.
64    setOldClass(c("VCorpus", "Corpus", "list"))
65    
66  # The "..." are additional arguments for the FunctionGenerator reader  # The "..." are additional arguments for the FunctionGenerator reader
67  VCorpus <- Corpus <- function(object,  VCorpus <- Corpus <- function(x,
68                      readerControl = list(reader = object@DefaultReader, language = "eng"),                                readerControl = list(reader = x$DefaultReader, language = "en"),
69                      ...) {                      ...) {
70      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
71    
72        if (is.function(readerControl$init))
73            readerControl$init()
74    
75        if (is.function(readerControl$exit))
76            on.exit(readerControl$exit())
77    
78      # Allocate memory in advance if length is known      # Allocate memory in advance if length is known
79      tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
80          vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
81      else      else
82          list()          list()
83    
84      if (object@Vectorized)      if (x$Vectorized)
85          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),          tdl <- mapply(function(x, id) readerControl$reader(x, readerControl$language, id),
86                        function(x) readerControl$reader(x[c("content", "uri")],                        pGetElem(x),
87                                                         readerControl$language,                        id = if (is.null(x$Names)) as.character(seq_len(x$Length)) else x$Names,
88                                                         as.character(x$id)))                        SIMPLIFY = FALSE)
89      else {      else {
90          counter <- 1          counter <- 1
91          while (!eoi(object)) {          while (!eoi(x)) {
92              object <- stepNext(object)              x <- stepNext(x)
93              elem <- getElem(object)              elem <- getElem(x)
94              doc <- readerControl$reader(elem, readerControl$language, as.character(counter))              doc <- readerControl$reader(elem, readerControl$language, if (is.null(x$Names)) as.character(counter) else x$Names[counter])
95              if (object@Length > 0)              if (x$Length > 0)
96                  tdl[[counter]] <- doc                  tdl[[counter]] <- doc
97              else              else
98                  tdl <- c(tdl, list(doc))                  tdl <- c(tdl, list(doc))
99              counter <- counter + 1              counter <- counter + 1
100          }          }
101      }      }
102        names(tdl) <- x$Names
103      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
104      cmeta.node <- new("MetaDataNode",      .VCorpus(tdl, .MetaDataNode(), df)
                       NodeID = 0,  
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
   
     new("VCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)  
 }  
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
 #setMethod("tmMap",  
 #          signature(object = "FCorpus", FUN = "function"),  
 #          function(object, FUN, ..., lazy = FALSE) {  
 #              if (lazy)  
 #                  warning("lazy mapping is deactivated")  
 #  
 #              new("FCorpus", .Data = lapply(object, FUN, ..., DMetaData = data.frame()))  
 #          })  
 setMethod("tmMap",  
           signature(object = "VCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # Lazy mapping  
               if (lazy) {  
                   lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")  
                   if (is.null(lazyTmMap)) {  
                       meta(result, tag = "lazyTmMap", type = "corpus") <-  
                           list(index = rep(TRUE, length(result)),  
                                maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                   }  
                   else {  
                       lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                       meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
                   }  
105                }                }
               else {  
                   result@.Data <- if (clusterAvailable())  
                       snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))  
                   else  
                       lapply(object, FUN, ..., DMetaData = DMetaData(object))  
               }  
               result  
           })  
 setMethod("tmMap",  
           signature(object = "PCorpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               if (lazy)  
                   warning("lazy mapping is deactived when using database backend")  
               db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
               i <- 1  
               for (id in unlist(object)) {  
                   db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))  
                   i <- i + 1  
               }  
               # Suggested by Christian Buchta  
               filehash::dbReorganize(db)  
   
               object  
           })  
   
 # Materialize lazy mappings  
 # Improvements by Christian Buchta  
 materialize <- function(corpus, range = seq_along(corpus)) {  
     lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")  
     if (!is.null(lazyTmMap)) {  
        # Make valid and lazy index  
        idx <- (seq_along(corpus) %in% range) & lazyTmMap$index  
        if (any(idx)) {  
            res <- corpus@.Data[idx]  
            for (m in lazyTmMap$maps)  
                res <- lapply(res, m, DMetaData = DMetaData(corpus))  
            corpus@.Data[idx] <- res  
            lazyTmMap$index[idx] <- FALSE  
        }  
     }  
     # Clean up if everything is materialized  
     if (!any(lazyTmMap$index))  
         lazyTmMap <- NULL  
     meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
     corpus  
 }  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain", signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) object)  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument"),  
           function(object, FUN, ...) {  
               require("XML")  
   
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "Reuters21578Document"),  
           function(object, FUN, ...) {  
               require("XML")  
   
               FUN <- convertReut21578XMLPlain  
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain", signature(object = "RCV1Document"),  
           function(object, FUN, ...) convertRCV1Plain(object, ...))  
 setMethod("asPlain",  
           signature(object = "StructuredTextDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = unlist(Content(object)),  
                   Author = Author(object), DateTimeStamp = DateTimeStamp(object),  
                   Description = Description(object), ID = ID(object), Origin = Origin(object),  
                   Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
   
 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  
 setMethod("tmFilter", signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE)  
               object[tmIndex(object, ..., FUN = FUN, doclevel = doclevel)])  
   
 setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  
 setMethod("tmIndex",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE) {  
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))  
                   else  
                       return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
               }  
               else  
                   return(FUN(object, ...))  
           })  
   
 prescindMeta <- function(object, meta) {  
     df <- DMetaData(object)  
106    
107      for (m in meta)  `[.PCorpus` <- function(x, i) {
         df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))  
   
     df  
 }  
   
 #setMethod("[",  
 #          signature(x = "FCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
 #          function(x, i, j, ... , drop) {  
 #              if (missing(i)) return(x)  
 #  
 #              x@.Data <- x@.Data[i, ..., drop = FALSE]  
 #              x  
 #          })  
 setMethod("[",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
108                if (missing(i)) return(x)                if (missing(i)) return(x)
109        index <- attr(x, "DMetaData")[[1 , "subset"]]
110        attr(x, "DMetaData")[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
111        dmeta <- attr(x, "DMetaData")
112        .PCorpus(NextMethod("["), CMetaData(x), dmeta, DBControl(x))
113    }
114    
115                x@.Data <- x@.Data[i, ..., drop = FALSE]  `[.VCorpus` <- function(x, i) {
               index <- x@DMetaData[[1 , "subset"]]  
               if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i  
               else x@DMetaData[[1 , "subset"]] <- index[i]  
               x  
           })  
 setMethod("[",  
           signature(x = "VCorpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
116                if (missing(i)) return(x)                if (missing(i)) return(x)
117        .VCorpus(NextMethod("["), CMetaData(x), DMetaData(x)[i, , drop = FALSE])
118    }
119    
120                x@.Data <- x@.Data[i, ..., drop = FALSE]  `[<-.PCorpus` <- function(x, i, value) {
               DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]  
               x  
           })  
   
 setMethod("[<-",  
           signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
121                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
122                counter <- 1                counter <- 1
123                for (id in x@.Data[i, ...]) {      for (id in unclass(x)[i]) {
124                    if (identical(length(value), 1)) db[[id]] <- value          if (identical(length(value), 1L)) db[[id]] <- value
125                    else db[[id]] <- value[[counter]]                    else db[[id]] <- value[[counter]]
126                    counter <- counter + 1                    counter <- counter + 1
127                }                }
128                x                x
129            })  }
130  setMethod("[<-",  
131            signature(x = "VCorpus", i = "ANY", j = "ANY", value = "ANY"),  .map_name_index <- function(x, i) {
132            function(x, i, j, ... , value) {      if (is.character(i)) {
133                x@.Data[i, ...] <- value          if (is.null(names(x)))
134                x              match(i, meta(x, "ID", type = "local"))
135            })          else
136                match(i, names(x))
137        }
138        i
139    }
140    
141  setMethod("[[",  `[[.PCorpus` <-  function(x, i) {
142            signature(x = "PCorpus", i = "ANY", j = "ANY"),      i <- .map_name_index(x, i)
           function(x, i, j, ...) {  
143                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
144                filehash::dbFetch(db, x@.Data[[i]])      filehash::dbFetch(db, NextMethod("[["))
145            })  }
146  setMethod("[[",  `[[.VCorpus` <-  function(x, i) {
147            signature(x = "VCorpus", i = "ANY", j = "ANY"),      i <- .map_name_index(x, i)
           function(x, i, j, ...) {  
148                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
149                if (!is.null(lazyTmMap))                if (!is.null(lazyTmMap))
150                    .Call("copyCorpus", x, materialize(x, i))                    .Call("copyCorpus", x, materialize(x, i))
151                x@.Data[[i]]      NextMethod("[[")
152            })  }
153    
154  setMethod("[[<-",  `[[<-.PCorpus` <-  function(x, i, value) {
155            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),      i <- .map_name_index(x, i)
           function(x, i, j, ..., value) {  
156                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
157                index <- x@.Data[[i]]      index <- unclass(x)[[i]]
158                db[[index]] <- value                db[[index]] <- value
159                x                x
160            })  }
161  setMethod("[[<-",  `[[<-.VCorpus` <-  function(x, i, value) {
162            signature(x = "VCorpus", i = "ANY", j = "ANY", value = "ANY"),      i <- .map_name_index(x, i)
           function(x, i, j, ..., value) {  
163                # Mark new objects as not active for lazy mapping                # Mark new objects as not active for lazy mapping
164                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
165                if (!is.null(lazyTmMap)) {                if (!is.null(lazyTmMap)) {
# Line 332  Line 167 
167                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
168                }                }
169                # Set the value                # Set the value
170                x@.Data[[i, ...]] <- value      cl <- class(x)
171        y <- NextMethod("[[<-")
172                x      class(y) <- cl
173            })      y
174    }
175    
176  # Update \code{NodeID}s of a CMetaData tree  # Update NodeIDs of a CMetaData tree
177  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  .update_id <- function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
178      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s      # Traversal of (binary) CMetaData tree with setup of NodeIDs
179      set_id <- function(object) {      set_id <- function(x) {
180          object@NodeID <- id          x$NodeID <- id
181          id <<- id + 1          id <<- id + 1
182          level <<- level + 1          level <<- level + 1
183            if (length(x$Children) > 0) {
184          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(x$Children[[1]]$NodeID, id))
185              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(x$Children[[1]])
             left <- set_id(object@children[[1]])  
186              if (level == 1) {              if (level == 1) {
187                  left.mapping <<- mapping                  left.mapping <<- mapping
188                  mapping <<- NULL                  mapping <<- NULL
189              }              }
190              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(x$Children[[2]]$NodeID, id))
191              right <- set_id(object@children[[2]])              right <- set_id(x$Children[[2]])
192    
193              object@children <- list(left, right)              x$Children <- list(left, right)
194          }          }
195          level <<- level - 1          level <<- level - 1
196            x
         return(object)  
197      }      }
198        list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
     list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping)  
199  }  }
200    
201  setMethod("c",  # Find indices to be updated for a CMetaData tree
202            signature(x = "Corpus"),  .find_indices <- function(x) {
           function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = FALSE) {  
               args <- list(...)  
               if (identical(length(args), 0)) return(x)  
   
               if (!all(sapply(args, inherits, class(x))))  
                   stop("not all arguments are of the same corpus type")  
   
               if (inherits(x, "PCorpus"))  
                   stop("concatenation of corpora with underlying databases is not supported")  
   
               Reduce(c2, base::c(list(x), args))  
           })  
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) standardGeneric("c2"))  
 #setMethod("c2", signature(x = "FCorpus", y = "FCorpus"),  
 #          function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {  
 #              new("FCorpus", .Data = c(as(x, "list"), as(y, "list")))  
 #          })  
 setMethod("c2", signature(x = "VCorpus", y = "VCorpus"),  
           function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {  
               object <- x  
               # Concatenate data slots  
               object@.Data <- c(as(x, "list"), as(y, "list"))  
   
               # Update the CMetaData tree  
               cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))  
               update.struct <- update_id(cmeta)  
               object@CMetaData <- update.struct$root  
   
               # Find indices to be updated for the left tree  
203                indices.mapping <- NULL                indices.mapping <- NULL
204                for (m in levels(as.factor(DMetaData(x)$MetaID))) {                for (m in levels(as.factor(DMetaData(x)$MetaID))) {
205                    indices <- (DMetaData(x)$MetaID == m)                    indices <- (DMetaData(x)$MetaID == m)
206                    indices.mapping <- c(indices.mapping, list(m = indices))                    indices.mapping <- c(indices.mapping, list(m = indices))
207                    names(indices.mapping)[length(indices.mapping)] <- m                    names(indices.mapping)[length(indices.mapping)] <- m
208                }                }
209        indices.mapping
210    }
211    
212    c2 <- function(x, y, ...) {
213        # Update the CMetaData tree
214        cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
215        update.struct <- .update_id(cmeta)
216    
217        new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
218    
219        # Find indices to be updated for the left tree
220        indices.mapping <- .find_indices(x)
221    
222                # Update the DMetaData data frames for the left tree                # Update the DMetaData data frames for the left tree
223                for (i in 1:ncol(update.struct$left.mapping)) {                for (i in 1:ncol(update.struct$left.mapping)) {
224                    map <- update.struct$left.mapping[,i]                    map <- update.struct$left.mapping[,i]
225                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
226                }                }
227    
228                # Find indices to be updated for the right tree                # Find indices to be updated for the right tree
229                indices.mapping <- NULL      indices.mapping <- .find_indices(y)
               for (m in levels(as.factor(DMetaData(y)$MetaID))) {  
                   indices <- (DMetaData(y)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
230    
231                # Update the DMetaData data frames for the right tree                # Update the DMetaData data frames for the right tree
232                for (i in 1:ncol(update.struct$right.mapping)) {                for (i in 1:ncol(update.struct$right.mapping)) {
233                    map <- update.struct$right.mapping[,i]                    map <- update.struct$right.mapping[,i]
234                    y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
235                }                }
236    
237                # Merge the DMetaData data frames                # Merge the DMetaData data frames
# Line 431  Line 241 
241                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
242                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
243                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
244                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)      DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
245    
246                object      new
247            })  }
248    
249  setMethod("c",  c.Corpus <-
250            signature(x = "TextDocument"),  function(x, ..., recursive = FALSE)
251            function(x, ..., recursive = FALSE){  {
252                args <- list(...)                args <- list(...)
               if (identical(length(args), 0)) return(x)  
253    
254                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (identical(length(args), 0L))
255                cmeta.node <- new("MetaDataNode",          return(x)
256                              NodeID = 0,  
257                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),      if (!all(unlist(lapply(args, inherits, class(x)))))
258                              children = list())          stop("not all arguments are of the same corpus type")
259    
260                new("VCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)      if (inherits(x, "PCorpus"))
261            })          stop("concatenation of corpora with underlying databases is not supported")
262    
263  setMethod("show",      l <- base::c(list(x), args)
264            signature(object = "Corpus"),      if (recursive)
265            function(object){          Reduce(c2, l)
266                cat(sprintf(ngettext(length(object),      else {
267            l <- do.call("c", lapply(l, unclass))
268            .VCorpus(l,
269                     cmeta = .MetaDataNode(),
270                     dmeta = data.frame(MetaID = rep(0, length(l)), stringsAsFactors = FALSE))
271        }
272    }
273    
274    c.TextDocument <- function(x, ..., recursive = FALSE) {
275        args <- list(...)
276    
277        if (identical(length(args), 0L))
278            return(x)
279    
280        if (!all(unlist(lapply(args, inherits, class(x)))))
281            stop("not all arguments are text documents")
282    
283        dmeta <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
284        .VCorpus(list(x, ...), .MetaDataNode(), dmeta)
285    }
286    
287    print.Corpus <- function(x, ...) {
288        cat(sprintf(ngettext(length(x),
289                                     "A corpus with %d text document\n",                                     "A corpus with %d text document\n",
290                                     "A corpus with %d text documents\n"),                                     "A corpus with %d text documents\n"),
291                            length(object)))                  length(x)))
292      })      invisible(x)
293    }
294    
295  setMethod("summary",  summary.Corpus <- function(object, ...) {
296            signature(object = "Corpus"),      print(object)
           function(object){  
               show(object)  
297                if (length(DMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
298                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),          cat(sprintf(ngettext(length(attr(CMetaData(object), "MetaData")),
299                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
300                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
301                                         length(CMetaData(object)@MetaData)))                      length(CMetaData(object)$MetaData)))
302                    cat("Available tags are:\n")                    cat("Available tags are:\n")
303                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(CMetaData(object)$MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
304                    cat("Available variables in the data frame are:\n")                    cat("Available variables in the data frame are:\n")
305                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
306                }                }
307      })  }
308    
309  inspect <- function(x) UseMethod("inspect", x)  inspect <- function(x) UseMethod("inspect", x)
310  inspect.PCorpus <- function(x) {  inspect.PCorpus <- function(x) {
# Line 483  Line 313 
313      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
314      show(filehash::dbMultiFetch(db, unlist(x)))      show(filehash::dbMultiFetch(db, unlist(x)))
315  }  }
 #inspect.FCorpus <-  
316  inspect.VCorpus <- function(x) {  inspect.VCorpus <- function(x) {
317      summary(x)      summary(x)
318      cat("\n")      cat("\n")
319      print(noquote(lapply(x, identity)))      print(noquote(lapply(x, identity)))
320  }  }
321    
322  # No metadata is checked  lapply.PCorpus <- function(X, FUN, ...) {
 setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  
 setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),  
           function(x, y) {  
               db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  
               any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
           })  
 setMethod("%IN%", signature(x = "TextDocument", y = "VCorpus"),  
           function(x, y) x %in% y)  
   
 setMethod("lapply",  
           signature(X = "VCorpus"),  
           function(X, FUN, ...) {  
               lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")  
               if (!is.null(lazyTmMap))  
                   .Call("copyCorpus", X, materialize(X))  
               base::lapply(X, FUN, ...)  
           })  
 setMethod("lapply",  
           signature(X = "PCorpus"),  
           function(X, FUN, ...) {  
323                db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])                db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
324                lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)                lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
325            })  }
326    lapply.VCorpus <- function(X, FUN, ...) {
 setMethod("sapply",  
           signature(X = "VCorpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
327                lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
328                if (!is.null(lazyTmMap))                if (!is.null(lazyTmMap))
329                    .Call("copyCorpus", X, materialize(X))                    .Call("copyCorpus", X, materialize(X))
330                base::sapply(X, FUN, ...)      base::lapply(X, FUN, ...)
           })  
 setMethod("sapply",  
           signature(X = "PCorpus"),  
           function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {  
               db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
               sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)  
           })  
   
 setAs("list", "VCorpus", function(from) {  
     cmeta.node <- new("MetaDataNode",  
                       NodeID = 0,  
                       MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
     data <- vector("list", length(from))  
     counter <- 1  
     for (f in from) {  
         data[[counter]] <- new("PlainTextDocument",  
                                .Data = f,  
                                DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),  
                                ID = as.character(counter),  
                                Language = "eng")  
         counter <- counter + 1  
331      }      }
332      new("VCorpus", .Data = data,  
333          DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  writeCorpus <-  function(x, path = ".", filenames = NULL) {
         CMetaData = cmeta.node)  
 })  
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
334                filenames <- file.path(path,                filenames <- file.path(path,
335                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))                             if (is.null(filenames)) unlist(lapply(x, function(x) sprintf("%s.txt", ID(x))))
336                                       else filenames)                                       else filenames)
337                i <- 1                i <- 1
338                for (o in object) {      for (o in x) {
339                    writeLines(asPlain(o), filenames[i])          writeLines(as.PlainTextDocument(o), filenames[i])
340                    i <- i + 1                    i <- i + 1
341                }                }
342            })  }

Legend:
Removed from v.984  
changed lines
  Added in v.1114

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