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

trunk/R/trunk/R/textdoccol.R revision 18, Sat Nov 5 19:00:05 2005 UTC trunk/tm/R/textdoccol.R revision 830, Tue Mar 11 15:23:28 2008 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # S4 class definition  # The "..." are additional arguments for the FunctionGenerator reader
4  # Text document collection  setGeneric("Corpus", function(object,
5  # TODO: Define proper S4 term-document matrix                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
6  setClass("textdoccol", representation(docs = "list",                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7                                        tdm = "matrix"))                                    ...) standardGeneric("Corpus"))
8    setMethod("Corpus",
9  # Accessor function            signature(object = "Source"),
10  if (!isGeneric("docs")) {            function(object,
11      if (is.function("docs"))                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),
12          fun <- docs                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13      else                     ...) {
14          fun <- function(object) standardGeneric("docs")                if (is.null(readerControl$reader))
15      setGeneric("docs", fun)                    readerControl$reader <- object@DefaultReader
16  }                if (is(readerControl$reader, "FunctionGenerator"))
17  setMethod("docs", "textdoccol", function(object) object@docs)                    readerControl$reader <- readerControl$reader(...)
18                  if (is.null(readerControl$language))
19  setGeneric("textdoccol", function(docs) standardGeneric("textdoccol"))                    readerControl$language = "en_US"
20  # Read in XML text documents                if (is.null(readerControl$load))
21  # Reuters Corpus Volume 1 (RCV1)                    readerControl$load = TRUE
 setMethod("textdoccol", "character", function(docs) {  
     require(XML)  
   
     tree <- xmlTreeParse(docs)  
     root <- xmlRoot(tree)  
   
     # TODO: At each loop node points to the current newsitem  
     node <- root  
   
     # TODO: Implement lacking fields.  
     # For this we need the full RCV1 XML set to know where to find those things  
     author <- "Not yet implemented"  
     timestamp <- xmlAttrs(node)[["date"]]  
     description <- "Not yet implemented"  
     id <- as.integer(xmlAttrs(node)[["itemid"]])  
     origin <- "Not yet implemented"  
     corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)  
22    
23      heading <- xmlValue(node[["title"]])                if (dbControl$useDb) {
24                      if (!dbCreate(dbControl$dbName, dbControl$dbType))
25                          stop("error in creating database")
26                      db <- dbInit(dbControl$dbName, dbControl$dbType)
27                  }
28    
29                  tdl <- list()
30                  counter <- 1
31                  while (!eoi(object)) {
32                      object <- stepNext(object)
33                      elem <- getElem(object)
34                      # If there is no Load on Demand support
35                      # we need to load the corpus into memory at startup
36                      if (!object@LoDSupport)
37                          readerControl$load <- TRUE
38                      doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))
39                      if (dbControl$useDb) {
40                          dbInsert(db, ID(doc), doc)
41                          tdl <- c(tdl, ID(doc))
42                      }
43                      else
44                          tdl <- c(tdl, list(doc))
45                      counter <- counter + 1
46                  }
47    
48                  df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
49                  if (dbControl$useDb) {
50                      dbInsert(db, "DMetaData", df)
51                      dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
52                  }
53                  else
54                      dmeta.df <- df
55    
56                  cmeta.node <- new("MetaDataNode",
57                                NodeID = 0,
58                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
59                                children = list())
60    
61                  return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
62              })
63    
64    setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
65    setMethod("loadDoc",
66              signature(object = "PlainTextDocument"),
67              function(object, ...) {
68                  if (!Cached(object)) {
69                      con <- eval(URI(object))
70                      corpus <- readLines(con)
71                      close(con)
72                      Content(object) <- corpus
73                      Cached(object) <- TRUE
74                      return(object)
75                  } else {
76                      return(object)
77                  }
78              })
79    setMethod("loadDoc",
80              signature(object =  "XMLTextDocument"),
81              function(object, ...) {
82                  if (!Cached(object)) {
83                      con <- eval(URI(object))
84                      corpus <- paste(readLines(con), "\n", collapse = "")
85                      close(con)
86                      doc <- xmlTreeParse(corpus, asText = TRUE)
87                      class(doc) <- "list"
88                      Content(object) <- doc
89                      Cached(object) <- TRUE
90                      return(object)
91                  } else {
92                      return(object)
93                  }
94              })
95    setMethod("loadDoc",
96              signature(object = "NewsgroupDocument"),
97              function(object, ...) {
98                  if (!Cached(object)) {
99                      con <- eval(URI(object))
100                      mail <- readLines(con)
101                      close(con)
102                      Cached(object) <- TRUE
103                      for (index in seq_along(mail)) {
104                          if (mail[index] == "")
105                              break
106                      }
107                      Content(object) <- mail[(index + 1):length(mail)]
108                      return(object)
109                  } else {
110                      return(object)
111                  }
112              })
113    setMethod("loadDoc",
114              signature(object = "StructuredTextDocument"),
115              function(object, ...) {
116                  if (!Cached(object)) {
117                      warning("load on demand not (yet) supported for StructuredTextDocuments")
118                      return(object)
119                  } else
120                      return(object)
121              })
122    
123    setGeneric("tmUpdate", function(object,
124                                    origin,
125                                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
126                                    ...) standardGeneric("tmUpdate"))
127    # Update is only supported for directories
128    # At the moment no other LoD devices are available anyway
129    setMethod("tmUpdate",
130              signature(object = "Corpus", origin = "DirSource"),
131              function(object, origin,
132                       readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),
133                       ...) {
134                  if (is.null(readerControl$reader))
135                      readerControl$reader <- origin@DefaultReader
136                  if (is(readerControl$reader, "FunctionGenerator"))
137                      readerControl$reader <- readerControl$reader(...)
138                  if (is.null(readerControl$language))
139                      readerControl$language = "en_US"
140                  if (is.null(readerControl$load))
141                      readerControl$load = TRUE
142    
143                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
144                  new.files <- setdiff(origin@FileList, object.filelist)
145    
146                  for (filename in new.files) {
147                      encoding <- origin@Encoding
148                      elem <- list(content = readLines(filename, encoding = encoding),
149                                   uri = substitute(file(filename, encoding = encoding)))
150                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))
151                  }
152    
153                  return(object)
154              })
155    
156    setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
157    setMethod("tmMap",
158              signature(object = "Corpus", FUN = "function"),
159              function(object, FUN, ..., lazy = FALSE) {
160                  result <- object
161                  # Note that text corpora are automatically loaded into memory via \code{[[}
162                  if (DBControl(object)[["useDb"]]) {
163                      if (lazy)
164                          warning("lazy mapping is deactived when using database backend")
165                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
166                      i <- 1
167                      for (id in unlist(object)) {
168                          db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
169                          i <- i + 1
170                      }
171                  }
172                  else {
173                      # Lazy mapping
174                      if (lazy) {
175                          lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
176                          if (is.null(lazyTmMap)) {
177                              meta(result, tag = "lazyTmMap", type = "corpus") <-
178                                  list(index = rep(TRUE, length(result)),
179                                       maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
180                          }
181                          else {
182                              lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))
183                              meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
184                          }
185                      }
186                      else
187                          result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
188                  }
189                  return(result)
190              })
191    
192    # Materialize lazy mappings
193    materialize <- function(corpus, range = seq_along(corpus)) {
194        lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")
195        if (!is.null(lazyTmMap)) {
196            for (i in range)
197                if (lazyTmMap$index[i]) {
198                    res <- loadDoc(corpus@.Data[[i]])
199                    for (m in lazyTmMap$maps)
200                        res <- m(res, DMetaData = DMetaData(corpus))
201                    corpus@.Data[[i]] <- res
202                    lazyTmMap$index[i] <- FALSE
203                }
204        }
205        # Clean up if everything is materialized
206        if (!any(lazyTmMap$index))
207            lazyTmMap <- NULL
208        meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
209        return(corpus)
210    }
211    
212    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
213    setMethod("asPlain",
214              signature(object = "PlainTextDocument"),
215              function(object, FUN, ...) {
216                  return(object)
217              })
218    setMethod("asPlain",
219              signature(object = "XMLTextDocument", FUN = "function"),
220              function(object, FUN, ...) {
221                  corpus <- Content(object)
222    
223                  # As XMLDocument is no native S4 class, restore valid information
224                  class(corpus) <- "XMLDocument"
225                  names(corpus) <- c("doc","dtd")
226    
227                  return(FUN(xmlRoot(corpus), ...))
228              })
229    setMethod("asPlain",
230              signature(object = "Reuters21578Document"),
231              function(object, FUN, ...) {
232                  FUN <- convertReut21578XMLPlain
233                  corpus <- Content(object)
234    
235                  # As XMLDocument is no native S4 class, restore valid information
236                  class(corpus) <- "XMLDocument"
237                  names(corpus) <- c("doc","dtd")
238    
239                  return(FUN(xmlRoot(corpus), ...))
240              })
241    setMethod("asPlain",
242              signature(object = "RCV1Document"),
243              function(object, FUN, ...) {
244                  FUN <- convertRCV1Plain
245                  corpus <- Content(object)
246    
247                  # As XMLDocument is no native S4 class, restore valid information
248                  class(corpus) <- "XMLDocument"
249                  names(corpus) <- c("doc","dtd")
250    
251                  return(FUN(xmlRoot(corpus), ...))
252              })
253    setMethod("asPlain",
254              signature(object = "NewsgroupDocument"),
255              function(object, FUN, ...) {
256                  new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = "", Author = Author(object),
257                      DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
258                      Origin = Origin(object), Heading = Heading(object), Language = Language(object),
259                      LocalMetaData = LocalMetaData(object))
260              })
261    setMethod("asPlain",
262              signature(object = "StructuredTextDocument"),
263              function(object, FUN, ...) {
264                  new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,
265                      URI = "", Author = Author(object), DateTimeStamp = DateTimeStamp(object),
266                      Description = Description(object), ID = ID(object), Origin = Origin(object),
267                      Heading = Heading(object), Language = Language(object),
268                      LocalMetaData = LocalMetaData(object))
269              })
270    
271    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
272    setMethod("tmFilter",
273              signature(object = "Corpus"),
274              function(object, ..., FUN = sFilter, doclevel = FALSE) {
275                  if (doclevel)
276                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
277                  else
278                      return(object[FUN(object, ...)])
279              })
280    
281    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
282    setMethod("tmIndex",
283              signature(object = "Corpus"),
284              function(object, ..., FUN = sFilter, doclevel = FALSE) {
285                  if (doclevel)
286                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
287                  else
288                      return(FUN(object, ...))
289              })
290    
291    sFilter <- function(object, s, ...) {
292        con <- textConnection(s)
293        tokens <- scan(con, "character", quiet = TRUE)
294        close(con)
295        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
296        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
297        n <- names(DMetaData(object))
298        tags <- c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language", localMetaTokens)
299        query.df <- DMetaData(prescindMeta(object, tags))
300        if (DBControl(object)[["useDb"]])
301            DMetaData(object) <- DMetaData(object)[, setdiff(n, tags), drop = FALSE]
302        # Rename to avoid name conflicts
303        names(query.df)[names(query.df) == "Author"] <- "author"
304        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
305        names(query.df)[names(query.df) == "Description"] <- "description"
306        names(query.df)[names(query.df) == "ID"] <- "identifier"
307        names(query.df)[names(query.df) == "Origin"] <- "origin"
308        names(query.df)[names(query.df) == "Heading"] <- "heading"
309        names(query.df)[names(query.df) == "Language"] <- "language"
310        attach(query.df)
311        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
312        detach(query.df)
313        return(result)
314    }
315    
316    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
317    setMethod("appendElem",
318              signature(object = "Corpus", data = "TextDocument"),
319              function(object, data, meta = NULL) {
320                  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                  return(object)
331              })
332    
333    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
334    setMethod("appendMeta",
335              signature(object = "Corpus"),
336              function(object, cmeta = NULL, dmeta = NULL) {
337                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
338                  if (!is.null(dmeta)) {
339                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
340                  }
341                  return(object)
342              })
343    
344    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
345    setMethod("removeMeta",
346              signature(object = "Corpus"),
347              function(object, cname = NULL, dname = NULL) {
348                  if (!is.null(cname))
349                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
350                  if (!is.null(dname))
351                      DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]
352                  return(object)
353              })
354    
355    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
356    setMethod("prescindMeta",
357              signature(object = "Corpus", meta = "character"),
358              function(object, meta) {
359                  for (m in meta) {
360                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
361                          local.m <- lapply(object, m)
362                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
363                          local.m <- unlist(local.m)
364                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
365                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
366                      }
367                      else {
368                          local.meta <- lapply(object, LocalMetaData)
369                          local.m <- lapply(local.meta, "[[", m)
370                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
371                          if (length(local.m) == length(unlist(local.m)))
372                              local.m <- unlist(local.m)
373                          else
374                              local.m <- I(local.m)
375                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
376                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
377                      }
378                  }
379                  return(object)
380              })
381    
382      doc <- new("textdocument", author = author, timestamp = timestamp, description = description,  setMethod("[",
383                 id = id, origin = origin, corpus = corpus, heading = heading)            signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),
384              function(x, i, j, ... , drop) {
385                  if(missing(i))
386                      return(x)
387    
388      new("textdoccol", docs = list(doc), tdm = matrix())                object <- x
389                  object@.Data <- x@.Data[i, ..., drop = FALSE]
390                  if (DBControl(object)[["useDb"]]) {
391                      index <- object@DMetaData[[1 , "subset"]]
392                      if (any(is.na(index)))
393                          object@DMetaData[[1 , "subset"]] <- i
394                      else
395                          object@DMetaData[[1 , "subset"]] <- index[i]
396                  }
397                  else
398                      DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]
399                  return(object)
400              })
401    
402    setMethod("[<-",
403              signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
404              function(x, i, j, ... , value) {
405                  object <- x
406                  if (DBControl(object)[["useDb"]]) {
407                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
408                      counter <- 1
409                      for (id in object@.Data[i, ...]) {
410                          if (length(value) == 1)
411                              db[[id]] <- value
412                          else {
413                              db[[id]] <- value[[counter]]
414                          }
415                          counter <- counter + 1
416                      }
417                  }
418                  else
419                      object@.Data[i, ...] <- value
420                  return(object)
421              })
422    
423    setMethod("[[",
424              signature(x = "Corpus", i = "ANY", j = "ANY"),
425              function(x, i, j, ...) {
426                  if (DBControl(x)[["useDb"]]) {
427                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
428                      result <- dbFetch(db, x@.Data[[i]])
429                      return(loadDoc(result))
430                  }
431                  else {
432                      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
433                      if (!is.null(lazyTmMap))
434                          .Call("copyCorpus", x, materialize(x, i))
435                      return(loadDoc(x@.Data[[i]]))
436                  }
437              })
438    
439    setMethod("[[<-",
440              signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),
441              function(x, i, j, ..., value) {
442                  object <- x
443                  if (DBControl(object)[["useDb"]]) {
444                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
445                      index <- object@.Data[[i]]
446                      db[[index]] <- value
447                  }
448                  else {
449                      # Mark new objects as not active for lazy mapping
450                      lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
451                      if (!is.null(lazyTmMap))
452                          lazyTmMap$index[i] <- FALSE
453                      # Set the value
454                      object@.Data[[i, ...]] <- value
455                  }
456                  return(object)
457              })
458    
459    # Update \code{NodeID}s of a CMetaData tree
460    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
461        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
462        set_id <- function(object) {
463            object@NodeID <- id
464            id <<- id + 1
465            level <<- level + 1
466    
467            if (length(object@children) > 0) {
468                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
469                left <- set_id(object@children[[1]])
470                if (level == 1) {
471                    left.mapping <<- mapping
472                    mapping <<- NULL
473                }
474                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
475                right <- set_id(object@children[[2]])
476    
477                object@children <- list(left, right)
478            }
479            level <<- level - 1
480    
481            return(object)
482        }
483    
484        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
485    }
486    
487    setMethod("c",
488              signature(x = "Corpus"),
489              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
490                  args <- list(...)
491                  if (length(args) == 0)
492                      return(x)
493    
494                  if (!all(sapply(args, inherits, "Corpus")))
495                      stop("not all arguments are text document collections")
496                  if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
497                      stop("concatenating text document collections with activated database is not supported")
498    
499                  result <- x
500                  for (c in args) {
501                      result <- c2(result, c)
502                  }
503                  return(result)
504              })
505    
506    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
507    setMethod("c2",
508              signature(x = "Corpus", y = "Corpus"),
509              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
510                  object <- x
511                  # Concatenate data slots
512                  object@.Data <- c(as(x, "list"), as(y, "list"))
513    
514                  # Set the DBControl slot
515                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
516    
517                  # Update the CMetaData tree
518                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
519                  update.struct <- update_id(cmeta)
520                  object@CMetaData <- update.struct$root
521    
522                  # Find indices to be updated for the left tree
523                  indices.mapping <- NULL
524                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
525                      indices <- (DMetaData(x)$MetaID == m)
526                      indices.mapping <- c(indices.mapping, list(m = indices))
527                      names(indices.mapping)[length(indices.mapping)] <- m
528                  }
529    
530                  # Update the DMetaData data frames for the left tree
531                  for (i in 1:ncol(update.struct$left.mapping)) {
532                      map <- update.struct$left.mapping[,i]
533                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
534                  }
535    
536                  # Find indices to be updated for the right tree
537                  indices.mapping <- NULL
538                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
539                      indices <- (DMetaData(y)$MetaID == m)
540                      indices.mapping <- c(indices.mapping, list(m = indices))
541                      names(indices.mapping)[length(indices.mapping)] <- m
542                  }
543    
544                  # Update the DMetaData data frames for the right tree
545                  for (i in 1:ncol(update.struct$right.mapping)) {
546                      map <- update.struct$right.mapping[,i]
547                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
548                  }
549    
550                  # Merge the DMetaData data frames
551                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
552                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
553                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
554                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
555                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
556                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
557                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
558    
559                  return(object)
560              })
561    
562    setMethod("c",
563              signature(x = "TextDocument"),
564              function(x, ..., recursive = TRUE){
565                  args <- list(...)
566                  if(length(args) == 0)
567                      return(x)
568    
569                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
570                  cmeta.node <- new("MetaDataNode",
571                                NodeID = 0,
572                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
573                                children = list())
574    
575                  return(new("Corpus",
576                             .Data = list(x, ...),
577                             DMetaData = dmeta.df,
578                             CMetaData = cmeta.node,
579                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
580              })
581    
582    setMethod("length",
583              signature(x = "Corpus"),
584              function(x){
585                  return(length(as(x, "list")))
586        })
587    
588    setMethod("show",
589              signature(object = "Corpus"),
590              function(object){
591                  cat(sprintf(ngettext(length(object),
592                                       "A text document collection with %d text document\n",
593                                       "A text document collection with %d text documents\n"),
594                              length(object)))
595        })
596    
597    setMethod("summary",
598              signature(object = "Corpus"),
599              function(object){
600                  show(object)
601                  if (length(DMetaData(object)) > 0) {
602                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
603                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
604                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
605                                           length(CMetaData(object)@MetaData)))
606                      cat("Available tags are:\n")
607                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
608                      cat("Available variables in the data frame are:\n")
609                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
610                  }
611        })
612    
613    setGeneric("inspect", function(object) standardGeneric("inspect"))
614    setMethod("inspect",
615              signature("Corpus"),
616              function(object) {
617                  summary(object)
618                  cat("\n")
619                  if (DBControl(object)[["useDb"]]) {
620                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
621                      show(dbMultiFetch(db, unlist(object)))
622                  }
623                  else
624                      show(lapply(object, "[[", 1))
625              })
626    
627    # No metadata is checked
628    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
629    setMethod("%IN%",
630              signature(x = "TextDocument", y = "Corpus"),
631              function(x, y) {
632                  if (DBControl(y)[["useDb"]]) {
633                      db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
634                      result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))
635                  }
636                  else
637                      result <- x %in% y
638                  return(result)
639              })
640    
641    setMethod("lapply",
642              signature(X = "Corpus"),
643              function(X, FUN, ...) {
644                  print("lapply")
645                  if (DBControl(X)[["useDb"]]) {
646                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
647                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
648                  }
649                  else {
650                      lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
651                      if (!is.null(lazyTmMap))
652                          .Call("copyCorpus", X, materialize(X))
653                      result <- base::lapply(X, FUN, ...)
654                  }
655                  return(result)
656              })
657    
658    setMethod("sapply",
659              signature(X = "Corpus"),
660              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
661                  if (DBControl(X)[["useDb"]]) {
662                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
663                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
664                  }
665                  else {
666                      lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
667                      if (!is.null(lazyTmMap))
668                          .Call("copyCorpus", X, materialize(X))
669                      result <- base::sapply(X, FUN, ...)
670                  }
671                  return(result)
672              })
673    
674    setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))
675    setMethod("writeCorpus",
676              signature(object = "Corpus"),
677              function(object, path = ".", filenames = NULL) {
678                  filenames <- file.path(path,
679                                         if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))
680                                         else filenames)
681                  i <- 1
682                  for (o in object) {
683                      writeLines(o, filenames[i])
684                      i <- i + 1
685                  }
686  })  })

Legend:
Removed from v.18  
changed lines
  Added in v.830

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