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 722, Sun Apr 1 15:53:58 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 reader
4  # Text document collection  setGeneric("TextDocCol", function(object,
5  setClass("textdoccol",                                    readerControl = list(reader = 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",                     readerControl = list(reader = 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 (attr(readerControl$reader, "FunctionGenerator"))
15                # Add a new type for each unique input source format                    readerControl$reader <- readerControl$reader(...)
16                type <- match.arg(inputType,c("RCV1","CSV","REUT21578"))  
17                switch(type,                if (dbControl$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]) {                        readerControl$load <- TRUE
32                               author <- "Not yet implemented"                    doc <- readerControl$reader(elem, readerControl$load, readerControl$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                                    readerControl = list(reader = 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                       readerControl = list(reader = readPlain, language = "en_US", load = FALSE),
119                       ...) {
120                  if (inherits(readerControl$reader, "FunctionGenerator"))
121                      readerControl$reader <- readerControl$reader(...)
122    
123                  object.filelist <- unlist(lapply(object, function(x) {as.character(URI(x))[2]}))
124                  new.files <- setdiff(origin@FileList, object.filelist)
125    
126                  for (filename in new.files) {
127                      elem <- list(content = readLines(filename),
128                                   uri = substitute(file(filename)))
129                      object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$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("removePunctuation", function(object, ...) standardGeneric("removePunctuation"))
204    setMethod("removePunctuation",
205              signature(object = "PlainTextDocument"),
206              function(object, ...) {
207                  Corpus(object) <- gsub("[[:punct:]]+", "", Corpus(object))
208                  return(object)
209              })
210    
211    setGeneric("removeWords", function(object, stopwords, ...) standardGeneric("removeWords"))
212    setMethod("removeWords",
213              signature(object = "PlainTextDocument", stopwords = "character"),
214              function(object, stopwords, ...) {
215                  splittedCorpus <- unlist(strsplit(object, " ", fixed = TRUE))
216                  noStopwordsCorpus <- splittedCorpus[!splittedCorpus %in% stopwords]
217                  Corpus(object) <- paste(noStopwordsCorpus, collapse = " ")
218                  return(object)
219              })
220    
221    setGeneric("tmFilter", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmFilter"))
222    setMethod("tmFilter",
223              signature(object = "TextDocCol"),
224              function(object, ..., FUN = sFilter, doclevel = FALSE) {
225                  if (doclevel)
226                      return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])
227                  else
228                      return(object[FUN(object, ...)]) # TODO: Check that FUN knows about the database
229              })
230    
231    setGeneric("tmIndex", function(object, ..., FUN = sFilter, doclevel = FALSE) standardGeneric("tmIndex"))
232    setMethod("tmIndex",
233              signature(object = "TextDocCol"),
234              function(object, ..., FUN = sFilter, doclevel = FALSE) {
235                  if (doclevel)
236                      return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))
237                  else
238                      return(FUN(object, ...)) # TODO: Check that FUN knows about the database
239              })
240    
241    sFilter <- function(object, s, ...) {
242        con <- textConnection(s)
243        tokens <- scan(con, "character")
244        close(con)
245        localMetaNames <- unique(names(sapply(object, LocalMetaData)))
246        localMetaTokens <- localMetaNames[localMetaNames %in% tokens]
247        query.df <- DMetaData(prescindMeta(object,
248                                           c("Author", "DateTimeStamp", "Description", "ID",
249                                             "Origin", "Heading", "Language", localMetaTokens)))
250        # Rename to avoid name conflicts
251        names(query.df)[names(query.df) == "Author"] <- "author"
252        names(query.df)[names(query.df) == "DateTimeStamp"] <- "datetimestamp"
253        names(query.df)[names(query.df) == "Description"] <- "description"
254        names(query.df)[names(query.df) == "ID"] <- "identifier"
255        names(query.df)[names(query.df) == "Origin"] <- "origin"
256        names(query.df)[names(query.df) == "Heading"] <- "heading"
257        names(query.df)[names(query.df) == "Language"] <- "language"
258        attach(query.df)
259        try(result <- rownames(query.df) %in% row.names(query.df[eval(parse(text = s)), ]))
260        detach(query.df)
261        return(result)
262    }
263    
264    setGeneric("searchFullText", function(object, pattern, ...) standardGeneric("searchFullText"))
265    setMethod("searchFullText",
266              signature(object = "PlainTextDocument", pattern = "character"),
267              function(object, pattern, ...) {
268                  return(any(grep(pattern, Corpus(object))))
269              })
270    
271    setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
272    setMethod("appendElem",
273              signature(object = "TextDocCol", data = "TextDocument"),
274              function(object, data, meta = NULL) {
275                  if (DBControl(object)[["useDb"]]) {
276                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
277                      if (dbExists(db, ID(data)))
278                          warning("document with identical ID already exists")
279                      dbInsert(db, ID(data), data)
280                      dbDisconnect(db)
281                      object@.Data[[length(object)+1]] <- ID(data)
282                  }
283                  else
284                      object@.Data[[length(object)+1]] <- data
285                  DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))
286                  return(object)
287              })
288    
289    setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))
290    setMethod("appendMeta",
291              signature(object = "TextDocCol"),
292              function(object, cmeta = NULL, dmeta = NULL) {
293                  object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)
294                  if (!is.null(dmeta)) {
295                      DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))
296                  }
297                  return(object)
298              })
299    
300    setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))
301    setMethod("removeMeta",
302              signature(object = "TextDocCol"),
303              function(object, cname = NULL, dname = NULL) {
304                  if (!is.null(cname)) {
305                      object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]
306                  }
307                  if (!is.null(dname)) {
308                      DMetaData(object) <- DMetaData(object)[names(DMetaData(object)) != dname]
309                  }
310                  return(object)
311              })
312    
313    # WARNING: If dbUse the augmented dataframe is stored (watch out since sFilter calls this method)
314    setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))
315    setMethod("prescindMeta",
316              signature(object = "TextDocCol", meta = "character"),
317              function(object, meta) {
318                  for (m in meta) {
319                      if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {
320                          local.m <- lapply(object, m)
321                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
322                          local.m <- unlist(local.m)
323                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
324                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
325                      }
326                      else {
327                          local.meta <- lapply(object, LocalMetaData)
328                          local.m <- lapply(local.meta, "[[", m)
329                          local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))
330                          if (length(local.m) == length(unlist(local.m)))
331                              local.m <- unlist(local.m)
332                          else
333                              local.m <- I(local.m)
334                          DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))
335                          names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m
336                      }
337                  }
338                  return(object)
339              })
340    
341    # WARNING: DMetaData is changed (since both use the same database)
342    setMethod("[",
343              signature(x = "TextDocCol", i = "ANY", j = "ANY", drop = "ANY"),
344              function(x, i, j, ... , drop) {
345                  if(missing(i))
346                      return(x)
347    
348                  object <- x
349                  object@.Data <- x@.Data[i, ..., drop = FALSE]
350                  df <- as.data.frame(DMetaData(x)[i, ])
351                  names(df) <- names(DMetaData(x))
352                  DMetaData(object) <- df
353                  return(object)
354              })
355    
356    # TODO
357    setMethod("[<-",
358              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
359              function(x, i, j, ... , value) {
360                  object <- x
361                  object@.Data[i, ...] <- value
362                  return(object)
363              })
364    
365    setMethod("[[",
366              signature(x = "TextDocCol", i = "ANY", j = "ANY"),
367              function(x, i, j, ...) {
368                  if (DBControl(x)[["useDb"]]) {
369                      db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
370                      result <- dbFetch(db, x@.Data[[i]])
371                      dbDisconnect(db)
372                      return(loadDoc(result))
373                  }
374                  else
375                      return(loadDoc(x@.Data[[i]]))
376              })
377    
378    setMethod("[[<-",
379              signature(x = "TextDocCol", i = "ANY", j = "ANY", value = "ANY"),
380              function(x, i, j, ..., value) {
381                  object <- x
382                  if (DBControl(object)[["useDb"]]) {
383                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
384                      index <- object@.Data[[i]]
385                      db[[index]] <- value
386                      dbDisconnect(db)
387                  }
388                  else
389                      object@.Data[[i, ...]] <- value
390                  return(object)
391              })
392    
393    # Update \code{NodeID}s of a CMetaData tree
394    update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
395        # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s
396        set_id <- function(object) {
397            object@NodeID <- id
398            id <<- id + 1
399            level <<- level + 1
400    
401            if (length(object@children) > 0) {
402                mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))
403                left <- set_id(object@children[[1]])
404                if (level == 1) {
405                    left.mapping <<- mapping
406                    mapping <<- NULL
407                }
408                mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))
409                right <- set_id(object@children[[2]])
410    
411                object@children <- list(left, right)
412            }
413            level <<- level - 1
414    
415            return(object)
416        }
417    
418        return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))
419    }
420    
421    setMethod("c",
422              signature(x = "TextDocCol"),
423              function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
424                  args <- list(...)
425                  if (length(args) == 0)
426                      return(x)
427    
428                  if (!all(sapply(args, inherits, "TextDocCol")))
429                      stop("not all arguments are text document collections")
430                  if (DBControl(x)$useDb == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))
431                      stop("concatenating text document collections with activated database is not supported")
432    
433                  result <- x
434                  for (c in args) {
435                      result <- c2(result, c)
436                  }
437                  return(result)
438              })
439    
440    setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))
441    setMethod("c2",
442              signature(x = "TextDocCol", y = "TextDocCol"),
443              function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {
444                  object <- x
445                  # Concatenate data slots
446                  object@.Data <- c(as(x, "list"), as(y, "list"))
447    
448                  # Set the DBControl slot
449                  object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")
450    
451                  # Update the CMetaData tree
452                  cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
453                  update.struct <- update_id(cmeta)
454                  object@CMetaData <- update.struct$root
455    
456                  # Find indices to be updated for the left tree
457                  indices.mapping <- NULL
458                  for (m in levels(as.factor(DMetaData(x)$MetaID))) {
459                      indices <- (DMetaData(x)$MetaID == m)
460                      indices.mapping <- c(indices.mapping, list(m = indices))
461                      names(indices.mapping)[length(indices.mapping)] <- m
462                  }
463    
464                  # Update the DMetaData data frames for the left tree
465                  for (i in 1:ncol(update.struct$left.mapping)) {
466                      map <- update.struct$left.mapping[,i]
467                      x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
468                  }
469    
470                  # Find indices to be updated for the right tree
471                  indices.mapping <- NULL
472                  for (m in levels(as.factor(DMetaData(y)$MetaID))) {
473                      indices <- (DMetaData(y)$MetaID == m)
474                      indices.mapping <- c(indices.mapping, list(m = indices))
475                      names(indices.mapping)[length(indices.mapping)] <- m
476                  }
477    
478                  # Update the DMetaData data frames for the right tree
479                  for (i in 1:ncol(update.struct$right.mapping)) {
480                      map <- update.struct$right.mapping[,i]
481                      y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
482                  }
483    
484                  # Merge the DMetaData data frames
485                  labels <- setdiff(names(DMetaData(y)), names(DMetaData(x)))
486                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(x)), ncol = length(labels), dimnames = list(row.names(DMetaData(x)), labels))
487                  x.dmeta.aug <- cbind(DMetaData(x), na.matrix)
488                  labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
489                  na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
490                  y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
491                  object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
492    
493                  return(object)
494              })
495    
496    setMethod("c",
497              signature(x = "TextDocument"),
498              function(x, ..., recursive = TRUE){
499                  args <- list(...)
500                  if(length(args) == 0)
501                      return(x)
502    
503                  dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
504                  cmeta.node <- new("MetaDataNode",
505                                NodeID = 0,
506                                MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),
507                                children = list())
508    
509                  return(new("TextDocCol",
510                             .Data = list(x, ...),
511                             DMetaData = dmeta.df,
512                             CMetaData = cmeta.node,
513                             DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))
514              })
515    
516    setMethod("length",
517              signature(x = "TextDocCol"),
518              function(x){
519                  return(length(as(x, "list")))
520        })
521    
522    setMethod("show",
523              signature(object = "TextDocCol"),
524              function(object){
525                  cat(sprintf(ngettext(length(object),
526                                       "A text document collection with %d text document\n",
527                                       "A text document collection with %d text documents\n"),
528                              length(object)))
529        })
530    
531    setMethod("summary",
532              signature(object = "TextDocCol"),
533              function(object){
534                  show(object)
535                  if (length(DMetaData(object)) > 0) {
536                      cat(sprintf(ngettext(length(CMetaData(object)@MetaData),
537                                                  "\nThe metadata consists of %d tag-value pair and a data frame\n",
538                                                  "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
539                                           length(CMetaData(object)@MetaData)))
540                      cat("Available tags are:\n")
541                      cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
542                      cat("Available variables in the data frame are:\n")
543                      cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
544                  }
545        })
546    
547    setGeneric("inspect", function(object) standardGeneric("inspect"))
548    setMethod("inspect",
549              signature("TextDocCol"),
550              function(object) {
551                  summary(object)
552                  cat("\n")
553                  if (DBControl(object)[["useDb"]]) {
554                      db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
555                      show(dbMultiFetch(db, unlist(object)))
556                      dbDisconnect(db)
557                  }
558      else      else
559          heading <- ""                    show(object@.Data)
560              })
561    
562      new("textdocument", .Data = corpus, author = author, timestamp = timestamp,  # No metadata is checked
563          description = description, id = id, origin = origin, heading = heading)  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
564    setMethod("%IN%",
565              signature(x = "TextDocument", y = "TextDocCol"),
566              function(x, y) {
567                  x %in% y
568              })
569    
570    setMethod("lapply",
571              signature(X = "TextDocCol"),
572              function(X, FUN, ...) {
573                  if (DBControl(X)[["useDb"]]) {
574                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
575                      result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)
576                      dbDisconnect(db)
577  }  }
578                  else
579                      result <- base::lapply(X, FUN, ...)
580                  return(result)
581              })
582    
583    setMethod("sapply",
584              signature(X = "TextDocCol"),
585              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
586                  if (DBControl(X)[["useDb"]]) {
587                      db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
588                      result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)
589                      dbDisconnect(db)
590                  }
591                  else
592                      result <- base::sapply(X, FUN, ...)
593                  return(result)
594              })

Legend:
Removed from v.32  
changed lines
  Added in v.722

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