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 32, Thu Dec 15 13:13:54 2005 UTC trunk/tm/R/textdoccol.R revision 720, Tue Mar 20 10:43:11 2007 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # S4 class definition  # The "..." are additional arguments for the FunctionGenerator parser
4  # Text document collection  setGeneric("TextDocCol", function(object,
5  setClass("textdoccol",                                    parserControl = list(parser = readPlain, language = "en_US", load = FALSE),
6           contains = c("list"))                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
7                                      ...) standardGeneric("TextDocCol"))
8  # Constructors  setMethod("TextDocCol",
9              signature(object = "Source"),
10  setGeneric("textdoccol", function(object, ...) standardGeneric("textdoccol"))            function(object,
11  setMethod("textdoccol",                     parserControl = list(parser = readPlain, language = "en_US", load = FALSE),
12            c("character", "character", "logical", "logical"),                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),
13            function(object, inputType = "RCV1", stripWhiteSpace = FALSE, toLower = FALSE) {                     ...) {
14                  if (inherits(parserControl$parser, "FunctionGenerator"))
15                # Add a new type for each unique input source format                    parserControl$parser <- parserControl$parser(...)
16                type <- match.arg(inputType,c("RCV1","CSV","REUT21578"))  
17                switch(type,                if (dbControl$useDb) {
18                       # Read in text documents in XML Reuters Corpus Volume 1 (RCV1) format                    if (!dbCreate(dbControl$dbName, dbControl$dbType))
19                       # For the moment the first argument is still a single file                        stop("error in creating database")
20                       # This will be changed to a directory as soon as we have the full RCV1 data set                    db <- dbInit(dbControl$dbName, dbControl$dbType)
21                       "RCV1" = {                }
22                           tree <- xmlTreeParse(object)  
23                           tdcl <- new("textdoccol", .Data = xmlApply(xmlRoot(tree), parseNewsItem, stripWhiteSpace, toLower))                tdl <- list()
24                       },                counter <- 1
25                       # Text in a special CSV format (as e.g. exported from an Excel sheet)                while (!eoi(object)) {
26                       # For details on the file format see data/Umfrage.csv                    object <- stepNext(object)
27                       # The first argument has to be a single file                    elem <- getElem(object)
28                       "CSV" = {                    # If there is no Load on Demand support
29                           m <- as.matrix(read.csv(object))                    # we need to load the corpus into memory at startup
30                           l <- vector("list", dim(m)[1])                    if (!object@LoDSupport)
31                           for (i in 1:dim(m)[1]) {                        parserControl$load <- TRUE
32                               author <- "Not yet implemented"                    doc <- parserControl$parser(elem, parserControl$load, parserControl$language, as.character(counter))
33                               timestamp <- date()                    if (dbControl$useDb) {
34                               description <- "Not yet implemented"                        dbInsert(db, ID(doc), doc)
35                               id <- i                        tdl <- c(tdl, ID(doc))
36                               corpus <- as.character(m[i,2:dim(m)[2]])                    }
37                               if (stripWhiteSpace)                    else
38                                   corpus <- gsub("[[:space:]]+", " ", corpus)                        tdl <- c(tdl, list(doc))
39                               if (toLower)                    counter <- counter + 1
40                                   corpus <- tolower(corpus)                }
41                               origin <- "Not yet implemented"  
42                               heading <- "Not yet implemented"                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
43                  if (dbControl$useDb) {
44                               l[[i]] <- new("textdocument", .Data = corpus, author = author, timestamp = timestamp,                    dbInsert(db, "DMetaData", df)
45                                   description = description, id = id, origin = origin, heading = heading)                    dmeta.df <- data.frame(key = "DMetaData")
46                           }                    dbDisconnect(db)
47                           tdcl <- new("textdoccol", .Data = l)                }
48                       },                else
49                       # Read in text documents in Reuters-21578 XML (not SGML) format                    dmeta.df <- df
50                       # Typically the first argument will be a directory where we can  
51                       # find the files reut2-000.xml ... reut2-021.xml                cmeta.node <- new("MetaDataNode",
52                       "REUT21578" = {                              NodeID = 0,
53                           tdl <- sapply(dir(object,                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
54                                             pattern = ".xml",                              children = list())
55                                             full.names = TRUE),  
56                                         function(file) {                return(new("TextDocCol", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))
57                                             tree <- xmlTreeParse(file)            })
58                                             xmlApply(xmlRoot(tree), parseReuters, stripWhiteSpace, toLower)  
59                                         })  setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))
60    setMethod("loadDoc",
61                           tdcl <- new("textdoccol", .Data = tdl)            signature(object = "PlainTextDocument"),
62                       })            function(object, ...) {
63                tdcl                if (!Cached(object)) {
64            })                    con <- eval(URI(object))
65                      corpus <- readLines(con)
66  # Parse a <newsitem></newsitem> element from a well-formed RCV1 XML file                    close(con)
67  parseNewsItem <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {                    Corpus(object) <- corpus
68      author <- "Not yet implemented"                    Cached(object) <- TRUE
69      timestamp <- xmlAttrs(node)[["date"]]                    return(object)
70      description <- "Not yet implemented"                } else {
71      id <- as.integer(xmlAttrs(node)[["itemid"]])                    return(object)
72      origin <- "Not yet implemented"                }
73      corpus <- unlist(xmlApply(node[["text"]], xmlValue), use.names = FALSE)            })
74    setMethod("loadDoc",
75      if (stripWhiteSpace)            signature(object =  "XMLTextDocument"),
76          corpus <- gsub("[[:space:]]+", " ", corpus)            function(object, ...) {
77      if (toLower)                if (!Cached(object)) {
78          corpus <- tolower(corpus)                    con <- eval(URI(object))
79                      corpus <- paste(readLines(con), "\n", collapse = "")
80      heading <- xmlValue(node[["title"]])                    close(con)
81                      doc <- xmlTreeParse(corpus, asText = TRUE)
82      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,                    class(doc) <- "list"
83          description = description, id = id, origin = origin, heading = heading)                    Corpus(object) <- doc
84  }                    Cached(object) <- TRUE
85                      return(object)
86  # Parse a <REUTERS></REUTERS> element from a well-formed Reuters-21578 XML file                } else {
87  parseReuters <- function(node, stripWhiteSpace = FALSE, toLower = FALSE) {                    return(object)
88      author <- "Not yet implemented"                }
89      timestamp <- xmlValue(node[["DATE"]])            })
90      description <- "Not yet implemented"  setMethod("loadDoc",
91      id <- as.integer(xmlAttrs(node)[["NEWID"]])            signature(object = "NewsgroupDocument"),
92              function(object, ...) {
93      origin <- "Not yet implemented"                if (!Cached(object)) {
94                      con <- eval(URI(object))
95      # The <BODY></BODY> tag is unfortunately NOT obligatory!                    mail <- readLines(con)
96      if (!is.null(node[["TEXT"]][["BODY"]]))                    close(con)
97          corpus <- xmlValue(node[["TEXT"]][["BODY"]])                    Cached(object) <- TRUE
98      else                    for (index in seq(along = mail)) {
99          corpus <- ""                        if (mail[index] == "")
100                              break
101      if (stripWhiteSpace)                    }
102          corpus <- gsub("[[:space:]]+", " ", corpus)                    Corpus(object) <- mail[(index + 1):length(mail)]
103      if (toLower)                    return(object)
104          corpus <- tolower(corpus)                } else {
105                      return(object)
106      # The <TITLE></TITLE> tag is unfortunately NOT obligatory!                }
107      if (!is.null(node[["TEXT"]][["TITLE"]]))            })
108          heading <- xmlValue(node[["TEXT"]][["TITLE"]])  
109    setGeneric("tmUpdate", function(object,
110                                    origin,
111                                    parserControl = list(parser = readPlain, language = "en_US", load = FALSE),
112                                    ...) standardGeneric("tmUpdate"))
113    # Update is only supported for directories
114    # At the moment no other LoD devices are available anyway
115    setMethod("tmUpdate",
116              signature(object = "TextDocCol", origin = "DirSource"),
117              function(object, origin,
118                       parserControl = list(parser = readPlain, language = "en_US", load = FALSE),
119                       ...) {
120                  if (inherits(parserControl$parser, "FunctionGenerator"))
121                      parserControl$parser <- parserControl$parser(...)
122    
123                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
124                  new.files <- setdiff(origin@FileList, object.filelist)
125    
126                  for (filename in new.files) {
127                      elem <- list(content = readLines(filename),
128                                   uri = substitute(file(filename)))
129                      object <- appendElem(object, parserControl$parser(elem, parserControl$load, parserControl$language, filename))
130                  }
131    
132                  return(object)
133              })
134    
135    setGeneric("tmMap", function(object, FUN, ...) standardGeneric("tmMap"))
136    setMethod("tmMap",
137              signature(object = "TextDocCol", FUN = "function"),
138              function(object, FUN, ...) {
139                  result <- object
140                  # Note that text corpora are automatically loaded into memory via \code{[[}
141                  if (DBControl(object)[["useDb"]]) {
142                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
143                      new <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
144                      ids <- lapply(object, ID)
145                      # Avoidance of explicit loop is probably more efficient
146                      for (i in length(new)) {
147                          db[[ids[i]]] <- new[[i]]
148                      }
149                      dbDisconnect(db)
150                  }
151                  else
152                      result@.Data <- lapply(object, FUN, ..., DMetaData = DMetaData(object))
153                  return(result)
154              })
155    
156    setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
157    setMethod("asPlain",
158              signature(object = "PlainTextDocument"),
159              function(object, FUN, ...) {
160                  return(object)
161              })
162    setMethod("asPlain",
163              signature(object = "XMLTextDocument", FUN = "function"),
164              function(object, FUN, ...) {
165                  corpus <- Corpus(object)
166    
167                  # As XMLDocument is no native S4 class, restore valid information
168                  class(corpus) <- "XMLDocument"
169                  names(corpus) <- c("doc","dtd")
170    
171                  return(FUN(xmlRoot(corpus), ...))
172              })
173    
174    setGeneric("tmTolower", function(object, ...) standardGeneric("tmTolower"))
175    setMethod("tmTolower",
176              signature(object = "PlainTextDocument"),
177              function(object, ...) {
178                  Corpus(object) <- tolower(object)
179                  return(object)
180              })
181    
182    setGeneric("stripWhitespace", function(object, ...) standardGeneric("stripWhitespace"))
183    setMethod("stripWhitespace",
184              signature(object = "PlainTextDocument"),
185              function(object, ...) {
186                  Corpus(object) <- gsub("[[:space:]]+", " ", object)
187                  return(object)
188              })
189    
190    setGeneric("stemDoc", function(object, language = "english", ...) standardGeneric("stemDoc"))
191    setMethod("stemDoc",
192              signature(object = "PlainTextDocument"),
193              function(object, language = "english", ...) {
194                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
195                  stemmedCorpus <- if (require("Rstem"))
196                      Rstem::wordStem(splittedCorpus, language)
197                  else
198                      SnowballStemmer(splittedCorpus, Weka_control(S = language))
199                  Corpus(object) <- paste(stemmedCorpus, collapse = " ")
200                  return(object)
201              })
202    
203    setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
204    setMethod("removeWords",
205              signature(object = "PlainTextDocument", stopwords = "character"),
206              function(object, stopwords, ...) {
207                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
208                  noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
209                  Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
210                  return(object)
211              })
212    
213    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
214    setMethod("tmFilter",
215              signature(object = "TextDocCol"),
216              function(object, ..., FUN = sFilter, doclevel = FALSE) {
217                  if (doclevel)
218                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
219                  else
220                      return(object[FUN(object, ...)]) # TODO: Check that FUN knows about the database
221              })
222    
223    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
224    setMethod("tmIndex",
225              signature(object = "TextDocCol"),
226              function(object, ..., FUN = sFilter, doclevel = FALSE) {
227                  if (doclevel)
228                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
229                  else
230                      return(FUN(object, ...)) # TODO: Check that FUN knows about the database
231              })
232    
233    sFilter <- function(object, s, ...) {
234        query.df <- DMetaData(object)
235        con <- textConnection(s)
236        tokens <- scan(con, "character")
237        close(con)
238        local.meta <- lapply(object, LocalMetaData)
239        local.used.meta <- lapply(local.meta, function(x) names(x) %in% tokens)
240        l.meta <- NULL
241        for (i in 1:length(object)) {
242            l.meta <- c(l.meta, list(local.meta[[i]][local.used.meta[[i]]]))
243        }
244        # Load local meta data from text documents into data frame
245        for (i in 1:length(l.meta)) {
246            l.meta[[i]] <- c(l.meta[[i]], list(author = Author(object[[i]])))
247            l.meta[[i]] <- c(l.meta[[i]], list(datetimestamp = DateTimeStamp(object[[i]])))
248            l.meta[[i]] <- c(l.meta[[i]], list(description = Description(object[[i]])))
249            l.meta[[i]] <- c(l.meta[[i]], list(identifier = ID(object[[i]])))
250            l.meta[[i]] <- c(l.meta[[i]], list(origin = Origin(object[[i]])))
251            l.meta[[i]] <- c(l.meta[[i]], list(heading = Heading(object[[i]])))
252        }
253        for (i in 1:length(l.meta)) {
254            for (j in 1:length(l.meta[[i]])) {
255                m <- l.meta[[i]][[j]]
256                m.name <- names(l.meta[[i]][j])
257                if (!(m.name %in% names(query.df))) {
258                    before <- rep(NA, i - 1)
259                    after <- rep(NA, length(l.meta) - i)
260                    if (length(m) > 1) {
261                        nl <- vector("list", length(l.meta))
262                        nl[1:(i-1)] <- before
263                        nl[i] <- list(m)
264                        nl[(i+1):length(l.meta)] <- after
265                        insert <- data.frame(I(nl), stringsAsFactors = FALSE)
266                    }
267                    else
268                        insert <- c(before, m, after)
269                    query.df <- cbind(query.df, insert, stringsAsFactors = FALSE)
270                    names(query.df)[length(query.df)] <- m.name
271                }
272                else {
273                    if (is.null(m))
274                        m <- NA
275                    if (length(m) > 1) {
276                        rl <- query.df[ , m.name]
277                        rl[i] <- list(m)
278                        query.df[ , m.name] <- data.frame(I(rl), stringsAsFactors = FALSE)
279                    }
280                    else
281                        query.df[i, m.name] <- m
282                }
283            }
284        }
285        attach(query.df)
286        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
287        detach(query.df)
288        return(result)
289    }
290    
291    setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
292    setMethod("searchFullText",
293              signature(object = "PlainTextDocument", pattern = "character"),
294              function(object, pattern, ...) {
295                  return(any(grep(pattern, Corpus(object))))
296              })
297    
298    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
299    setMethod("appendElem",
300              signature(object = "TextDocCol", data = "TextDocument"),
301              function(object, data, meta = NULL) {
302                  if (DBControl(object)[["useDb"]]) {
303                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
304                      if (dbExists(db, ID(data)))
305                          warning("document with identical ID already exists")
306                      dbInsert(db, ID(data), data)
307                      dbDisconnect(db)
308                      object@.Data[[length(object)+1]] <- ID(data)
309                  }
310                  else
311                      object@.Data[[length(object)+1]] <- data
312                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
313                  return(object)
314              })
315    
316    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
317    setMethod("appendMeta",
318              signature(object = "TextDocCol"),
319              function(object, cmeta = NULL, dmeta = NULL) {
320                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
321                  if (!is.null(dmeta)) {
322                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
323                  }
324                  return(object)
325              })
326    
327    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
328    setMethod("removeMeta",
329              signature(object = "TextDocCol"),
330              function(object, cname = NULL, dname = NULL) {
331                  if (!is.null(cname)) {
332                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
333                  }
334                  if (!is.null(dname)) {
335                      DMetaData(object) <- DMetaData(object)[names(DMetaData(object)) != dname]
336                  }
337                  return(object)
338              })
339    
340    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
341    setMethod("prescindMeta",
342              signature(object = "TextDocCol", meta = "character"),
343              function(object, meta) {
344                  for (m in meta) {
345                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
346                          local.m <- lapply(object, m)
347                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
348                          local.m <- unlist(local.m)
349                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)
350                          names(DMetaData(object))[length(DMetaData(object))] <- m
351                      }
352                      else {
353                          local.meta <- lapply(object, LocalMetaData)
354                          local.m <- lapply(local.meta, "[[", m)
355                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
356                          if (length(local.m) == length(unlist(local.m)))
357                              local.m <- unlist(local.m)
358                          else
359                              local.m <- I(local.m)
360                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m), stringsAsFactors = FALSE)
361                          names(DMetaData(object))[length(DMetaData(object))] <- m
362                      }
363                  }
364                  return(object)
365              })
366    
367    # WARNING: DMetaData is changed (since both use the same database)
368    setMethod("[",
369              signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
370              function(x, i, j, ... , drop) {
371                  if(missing(i))
372                      return(x)
373    
374                  object <- x
375                  object@.Data <- x@.Data[i, ..., drop = FALSE]
376                  df <- as.data.frame(DMetaData(x)[i, ])
377                  names(df) <- names(DMetaData(x))
378                  DMetaData(object) <- df
379                  return(object)
380              })
381    
382    # TODO
383    setMethod("[<-",
384              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
385              function(x, i, j, ... , value) {
386                  object <- x
387                  object@.Data[i, ...] <- value
388                  return(object)
389              })
390    
391    setMethod("[[",
392              signature(x = "TextDocCol", i = "ANY", j = "ANY"),
393              function(x, i, j, ...) {
394                  if (DBControl(x)[["useDb"]]) {
395                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
396                      result <- dbFetch(db, x@.Data[[i]])
397                      dbDisconnect(db)
398                      return(loadDoc(result))
399                  }
400                  else
401                      return(loadDoc(x@.Data[[i]]))
402              })
403    
404    setMethod("[[<-",
405              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
406              function(x, i, j, ..., value) {
407                  object <- x
408                  if (DBControl(object)[["useDb"]]) {
409                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
410                      index <- object@.Data[[i]]
411                      db[[index]] <- value
412                      dbDisconnect(db)
413                  }
414                  else
415                      object@.Data[[i, ...]] <- value
416                  return(object)
417              })
418    
419    # Update \code{NodeID}s of a CMetaData tree
420    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
421        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
422        set_id <- function(object) {
423            object@NodeID <- id
424            id <<- id + 1
425            level <<- level + 1
426    
427            if (length(object@children) > 0) {
428                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
429                left <- set_id(object@children[[1]])
430                if (level == 1) {
431                    left.mapping <<- mapping
432                    mapping <<- NULL
433                }
434                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
435                right <- set_id(object@children[[2]])
436    
437                object@children <- list(left, right)
438            }
439            level <<- level - 1
440    
441            return(object)
442        }
443    
444        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
445    }
446    
447    setMethod("c",
448              signature(x = "TextDocCol"),
449              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
450                  args <- list(...)
451                  if (length(args) == 0)
452                      return(x)
453    
454                  if (!all(sapply(args, inherits, "TextDocCol")))
455                      stop("not all arguments are text document collections")
456                  if (DBControl(x)$useDb == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
457                      stop("concatenating text document collections with activated database is not supported")
458    
459                  result <- x
460                  for (c in args) {
461                      result <- c2(result, c)
462                  }
463                  return(result)
464              })
465    
466    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
467    setMethod("c2",
468              signature(x = "TextDocCol", y = "TextDocCol"),
469              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
470                  object <- x
471                  # Concatenate data slots
472                  object@.Data <- c(as(x, "list"), as(y, "list"))
473    
474                  # Set the DBControl slot
475                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
476    
477                  # Update the CMetaData tree
478                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
479                  update.struct <- update_id(cmeta)
480                  object@CMetaData <- update.struct$root
481    
482                  # Find indices to be updated for the left tree
483                  indices.mapping <- NULL
484                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
485                      indices <- (DMetaData(x)$MetaID == m)
486                      indices.mapping <- c(indices.mapping, list(m = indices))
487                      names(indices.mapping)[length(indices.mapping)] <- m
488                  }
489    
490                  # Update the DMetaData data frames for the left tree
491                  for (i in 1:ncol(update.struct$left.mapping)) {
492                      map <- update.struct$left.mapping[,i]
493                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
494                  }
495    
496                  # Find indices to be updated for the right tree
497                  indices.mapping <- NULL
498                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
499                      indices <- (DMetaData(y)$MetaID == m)
500                      indices.mapping <- c(indices.mapping, list(m = indices))
501                      names(indices.mapping)[length(indices.mapping)] <- m
502                  }
503    
504                  # Update the DMetaData data frames for the right tree
505                  for (i in 1:ncol(update.struct$right.mapping)) {
506                      map <- update.struct$right.mapping[,i]
507                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
508                  }
509    
510                  # Merge the DMetaData data frames
511                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
512                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
513                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
514                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
515                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
516                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
517                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
518    
519                  return(object)
520              })
521    
522    setMethod("c",
523              signature(x = "TextDocument"),
524              function(x, ..., recursive = TRUE){
525                  args <- list(...)
526                  if(length(args) == 0)
527                      return(x)
528    
529                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
530                  cmeta.node <- new("MetaDataNode",
531                                NodeID = 0,
532                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
533                                children = list())
534    
535                  return(new("TextDocCol",
536                             .Data = list(x, ...),
537                             DMetaData = dmeta.df,
538                             CMetaData = cmeta.node,
539                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
540              })
541    
542    setMethod("length",
543              signature(x = "TextDocCol"),
544              function(x){
545                  return(length(as(x, "list")))
546        })
547    
548    setMethod("show",
549              signature(object = "TextDocCol"),
550              function(object){
551                  cat(sprintf(ngettext(length(object),
552                                       "A text document collection with %d text document\n",
553                                       "A text document collection with %d text documents\n"),
554                              length(object)))
555        })
556    
557    setMethod("summary",
558              signature(object = "TextDocCol"),
559              function(object){
560                  show(object)
561                  if (length(DMetaData(object)) > 0) {
562                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
563                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
564                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
565                                           length(CMetaData(object)@MetaData)))
566                      cat("Available tags are:\n")
567                      cat(names(CMetaData(object)@MetaData), "\n")
568                      cat("Available variables in the data frame are:\n")
569                      cat(names(DMetaData(object)), "\n")
570                  }
571        })
572    
573    setGeneric("inspect", function(object) standardGeneric("inspect"))
574    setMethod("inspect",
575              signature("TextDocCol"),
576              function(object) {
577                  summary(object)
578                  cat("\n")
579                  if (DBControl(object)[["useDb"]]) {
580                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
581                      show(dbMultiFetch(db, unlist(object)))
582                      dbDisconnect(db)
583                  }
584                  else
585                      show(object@.Data)
586              })
587    
588    # No metadata is checked
589    setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
590    setMethod("%IN%",
591              signature(x = "TextDocument", y = "TextDocCol"),
592              function(x, y) {
593                  x %in% y
594              })
595    
596    setMethod("lapply",
597              signature(X = "TextDocCol"),
598              function(X, FUN, ...) {
599                  if (DBControl(X)[["useDb"]]) {
600                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
601                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
602                      dbDisconnect(db)
603                  }
604      else      else
605          heading <- ""                    result <- base::lapply(X, FUN, ...)
606                  return(result)
607              })
608    
609      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,  setMethod("sapply",
610          description = description, id = id, origin = origin, heading = heading)            signature(X = "TextDocCol"),
611              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
612                  if (DBControl(X)[["useDb"]]) {
613                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
614                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
615                      dbDisconnect(db)
616  }  }
617                  else
618                      result <- base::sapply(X, FUN, ...)
619                  return(result)
620              })

Legend:
Removed from v.32  
changed lines
  Added in v.720

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