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

pkg/tm/R/textdoccol.R revision 884, Wed Jan 28 10:24:27 2009 UTC pkg/R/corpus.R revision 1004, Tue Sep 8 10:28:28 2009 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  .PCorpus <- function(x, cmeta, dmeta, dbcontrol) {
4  setGeneric("Corpus", function(object,      attr(x, "CMetaData") <- cmeta
5                                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),      attr(x, "DMetaData") <- dmeta
6                                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),      attr(x, "DBControl") <- dbcontrol
7                                    ...) standardGeneric("Corpus"))      class(x) <- c("PCorpus", "Corpus", "list")
8  setMethod("Corpus",      x
9            signature(object = "Source"),  }
10            function(object,  DBControl <- function(x) attr(x, "DBControl")
11                     readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
12                     dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  PCorpus <- function(x,
13                        readerControl = list(reader = x$DefaultReader, language = "eng"),
14                        dbControl = list(dbName = "", dbType = "DB1"),
15                     ...) {                     ...) {
16                if (is.null(readerControl$reader))      readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
                   readerControl$reader <- object@DefaultReader  
               if (is(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
17    
18                if (dbControl$useDb) {      if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
                   if (!dbCreate(dbControl$dbName, dbControl$dbType))  
19                        stop("error in creating database")                        stop("error in creating database")
20                    db <- dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
               }  
21    
22                # Allocate memory in advance if length is known                # Allocate memory in advance if length is known
23                tdl <- if (object@Length > 0)      tdl <- if (x$Length > 0)
24                    vector("list", as.integer(object@Length))          vector("list", as.integer(x$Length))
25                else                else
26                    list()                    list()
27    
28                counter <- 1                counter <- 1
29                while (!eoi(object)) {      while (!eoi(x)) {
30                    object <- stepNext(object)          x <- stepNext(x)
31                    elem <- getElem(object)          elem <- getElem(x)
32                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
33                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
34                    if (!object@LoDSupport)          if (x$Length > 0) tdl[[counter]] <- ID(doc)
35                        readerControl$load <- TRUE          else tdl <- c(tdl, ID(doc))
                   doc <- readerControl$reader(elem, readerControl$load, readerControl$language, as.character(counter))  
                   if (dbControl$useDb) {  
                       dbInsert(db, ID(doc), doc)  
                       if (object@Length > 0)  
                           tdl[[counter]] <- ID(doc)  
                       else  
                           tdl <- c(tdl, ID(doc))  
                   }  
                   else {  
                       if (object@Length > 0)  
                           tdl[[counter]] <- doc  
                       else  
                           tdl <- c(tdl, list(doc))  
                   }  
36                    counter <- counter + 1                    counter <- counter + 1
37                }                }
38    
39                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
40                if (dbControl$useDb) {      filehash::dbInsert(db, "DMetaData", df)
                   dbInsert(db, "DMetaData", df)  
41                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
               }  
               else  
                   dmeta.df <- df  
42    
43                cmeta.node <- new("MetaDataNode",      .PCorpus(tdl, .MetaDataNode(), dmeta.df, dbControl)
                             NodeID = 0,  
                             MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  
                             children = list())  
   
               return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))  
           })  
   
 setGeneric("loadDoc", function(object, ...) standardGeneric("loadDoc"))  
 setMethod("loadDoc",  
           signature(object = "PlainTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- readLines(con)  
                   close(con)  
                   Content(object) <- corpus  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object =  "XMLTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   corpus <- paste(readLines(con), "\n", collapse = "")  
                   close(con)  
                   doc <- xmlTreeParse(corpus, asText = TRUE)  
                   class(doc) <- "list"  
                   Content(object) <- doc  
                   Cached(object) <- TRUE  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "NewsgroupDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   con <- eval(URI(object))  
                   mail <- readLines(con)  
                   close(con)  
                   Cached(object) <- TRUE  
                   for (index in seq_along(mail)) {  
                       if (mail[index] == "")  
                           break  
                   }  
                   Content(object) <- mail[(index + 1):length(mail)]  
                   return(object)  
               } else {  
                   return(object)  
               }  
           })  
 setMethod("loadDoc",  
           signature(object = "StructuredTextDocument"),  
           function(object, ...) {  
               if (!Cached(object)) {  
                   warning("load on demand not (yet) supported for StructuredTextDocuments")  
                   return(object)  
               } else  
                   return(object)  
           })  
   
 setGeneric("tmUpdate", function(object,  
                                 origin,  
                                 readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
                                 ...) standardGeneric("tmUpdate"))  
 # Update is only supported for directories  
 # At the moment no other LoD devices are available anyway  
 setMethod("tmUpdate",  
           signature(object = "Corpus", origin = "DirSource"),  
           function(object, origin,  
                    readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),  
                    ...) {  
               if (is.null(readerControl$reader))  
                   readerControl$reader <- origin@DefaultReader  
               if (is(readerControl$reader, "FunctionGenerator"))  
                   readerControl$reader <- readerControl$reader(...)  
               if (is.null(readerControl$language))  
                   readerControl$language = "en_US"  
               if (is.null(readerControl$load))  
                   readerControl$load = TRUE  
   
               object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))  
               new.files <- setdiff(origin@FileList, object.filelist)  
   
               for (filename in new.files) {  
                   encoding <- origin@Encoding  
                   elem <- list(content = readLines(filename, encoding = encoding),  
                                uri = substitute(file(filename, encoding = encoding)))  
                   object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))  
               }  
   
               return(object)  
           })  
   
 setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  
 setMethod("tmMap",  
           signature(object = "Corpus", FUN = "function"),  
           function(object, FUN, ..., lazy = FALSE) {  
               result <- object  
               # Note that text corpora are automatically loaded into memory via \code{[[}  
               if (DBControl(object)[["useDb"]]) {  
                   if (lazy)  
                       warning("lazy mapping is deactived when using database backend")  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   i <- 1  
                   for (id in unlist(object)) {  
                       db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))  
                       i <- i + 1  
                   }  
                   # Suggested by Christian Buchta  
                   dbReorganize(db)  
               }  
               else {  
                   # Lazy mapping  
                   if (lazy) {  
                       lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")  
                       if (is.null(lazyTmMap)) {  
                           meta(result, tag = "lazyTmMap", type = "corpus") <-  
                               list(index = rep(TRUE, length(result)),  
                                    maps = list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                       }  
                       else {  
                           lazyTmMap$maps <- c(lazyTmMap$maps, list(function(x, DMetaData) FUN(x, ..., DMetaData = DMetaData)))  
                           meta(result, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
44                        }                        }
45    
46    .VCorpus <- function(x, cmeta, dmeta) {
47        attr(x, "CMetaData") <- cmeta
48        attr(x, "DMetaData") <- dmeta
49        class(x) <- c("VCorpus", "Corpus", "list")
50        x
51                    }                    }
52    
53    # The "..." are additional arguments for the FunctionGenerator reader
54    VCorpus <- Corpus <- function(x,
55                        readerControl = list(reader = x$DefaultReader, language = "eng"),
56                        ...) {
57        readerControl <- prepareReader(readerControl, x$DefaultReader, ...)
58    
59        # Allocate memory in advance if length is known
60        tdl <- if (x$Length > 0)
61            vector("list", as.integer(x$Length))
62        else
63            list()
64    
65        if (x$Vectorized)
66            tdl <- mapply(function(x, id) readerControl$reader(x, readerControl$language, id),
67                          pGetElem(x),
68                          id = as.character(seq_len(x$Length)),
69                          SIMPLIFY = FALSE)
70                    else {                    else {
71                        result@.Data <- if (clusterAvailable())          counter <- 1
72                            snow::parLapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))          while (!eoi(x)) {
73                x <- stepNext(x)
74                elem <- getElem(x)
75                doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
76                if (x$Length > 0)
77                    tdl[[counter]] <- doc
78                        else                        else
79                            lapply(object, FUN, ..., DMetaData = DMetaData(object))                  tdl <- c(tdl, list(doc))
80                counter <- counter + 1
81                    }                    }
82                }                }
               return(result)  
           })  
83    
84  # Materialize lazy mappings      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
85  # Improvements by Christian Buchta      .VCorpus(tdl, .MetaDataNode(), df)
 materialize <- function(corpus, range = seq_along(corpus)) {  
     lazyTmMap <- meta(corpus, tag = "lazyTmMap", type = "corpus")  
     if (!is.null(lazyTmMap)) {  
        # Make valid and lazy index  
        idx <- (seq_along(corpus) %in% range) & lazyTmMap$index  
        if (any(idx)) {  
            res <- lapply(corpus@.Data[idx], loadDoc)  
            for (m in lazyTmMap$maps)  
                res <- lapply(res, m, DMetaData = DMetaData(corpus))  
            corpus@.Data[idx] <- res  
            lazyTmMap$index[idx] <- FALSE  
        }  
     }  
     # Clean up if everything is materialized  
     if (!any(lazyTmMap$index))  
         lazyTmMap <- NULL  
     meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap  
     return(corpus)  
 }  
   
 setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  
 setMethod("asPlain",  
           signature(object = "PlainTextDocument"),  
           function(object, FUN, ...) {  
               return(object)  
           })  
 setMethod("asPlain",  
           signature(object = "XMLTextDocument"),  
           function(object, FUN, ...) {  
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "Reuters21578Document"),  
           function(object, FUN, ...) {  
               FUN <- convertReut21578XMLPlain  
               corpus <- Content(object)  
   
               # As XMLDocument is no native S4 class, restore valid information  
               class(corpus) <- "XMLDocument"  
               names(corpus) <- c("doc","dtd")  
   
               return(FUN(xmlRoot(corpus), ...))  
           })  
 setMethod("asPlain",  
           signature(object = "RCV1Document"),  
           function(object, FUN, ...) {  
               return(convertRCV1Plain(object, ...))  
           })  
 setMethod("asPlain",  
           signature(object = "NewsgroupDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),  
                   DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),  
                   Origin = Origin(object), Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
 setMethod("asPlain",  
           signature(object = "StructuredTextDocument"),  
           function(object, FUN, ...) {  
               new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,  
                   URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),  
                   Description = Description(object), ID = ID(object), Origin = Origin(object),  
                   Heading = Heading(object), Language = Language(object),  
                   LocalMetaData = LocalMetaData(object))  
           })  
   
 setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  
 setMethod("tmFilter",  
           signature(object = "Corpus"),  
           function(object, ..., FUN = searchFullText, doclevel = TRUE) {  
               if (!is.null(attr(FUN, "doclevel")))  
                   doclevel <- attr(FUN, "doclevel")  
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(object[snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object))])  
                   else  
                       return(object[sapply(object, FUN, ..., DMetaData = DMetaData(object))])  
86                }                }
               else  
                   return(object[FUN(object, ...)])  
           })  
87    
88  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  `[.PCorpus` <- function(x, i) {
89  setMethod("tmIndex",      if (missing(i)) return(x)
90            signature(object = "Corpus"),      index <- attr(x, "DMetaData")[[1 , "subset"]]
91            function(object, ..., FUN = searchFullText, doclevel = TRUE) {      attr(x, "DMetaData")[[1 , "subset"]] <- if (is.numeric(index)) index[i] else i
92                if (!is.null(attr(FUN, "doclevel")))      dmeta <- attr(x, "DMetaData")
93                    doclevel <- attr(FUN, "doclevel")      .PCorpus(NextMethod("["), CMetaData(x), dmeta, DBControl(x))
               if (doclevel) {  
                   if (clusterAvailable())  
                       return(snow::parSapply(snow::getMPIcluster(), object, FUN, ..., DMetaData = DMetaData(object)))  
                   else  
                       return(sapply(object, FUN, ..., DMetaData = DMetaData(object)))  
94                }                }
               else  
                   return(FUN(object, ...))  
           })  
95    
96  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  `[.VCorpus` <- function(x, i) {
97  setMethod("appendElem",      if (missing(i)) return(x)
98            signature(object = "Corpus", data = "TextDocument"),      .VCorpus(NextMethod("["), CMetaData(x), DMetaData(x)[i, , drop = FALSE])
           function(object, data, meta = NULL) {  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   if (dbExists(db, ID(data)))  
                       warning("document with identical ID already exists")  
                   dbInsert(db, ID(data), data)  
                   object@.Data[[length(object)+1]] <- ID(data)  
99                }                }
               else  
                   object@.Data[[length(object)+1]] <- data  
               DMetaData(object) <- rbind(DMetaData(object), c(MetaID = CMetaData(object)@NodeID, meta))  
               return(object)  
           })  
   
 setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  
 setMethod("appendMeta",  
           signature(object = "Corpus"),  
           function(object, cmeta = NULL, dmeta = NULL) {  
               object@CMetaData@MetaData <- c(CMetaData(object)@MetaData, cmeta)  
               if (!is.null(dmeta)) {  
                   DMetaData(object) <- cbind(DMetaData(object), eval(dmeta))  
               }  
               return(object)  
           })  
   
 setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))  
 setMethod("removeMeta",  
           signature(object = "Corpus"),  
           function(object, cname = NULL, dname = NULL) {  
               if (!is.null(cname))  
                   object@CMetaData@MetaData <- CMetaData(object)@MetaData[names(CMetaData(object)@MetaData) != cname]  
               if (!is.null(dname))  
                   DMetaData(object) <- DMetaData(object)[, names(DMetaData(object)) != dname, drop = FALSE]  
               return(object)  
           })  
   
 setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))  
 setMethod("prescindMeta",  
           signature(object = "Corpus", meta = "character"),  
           function(object, meta) {  
               for (m in meta) {  
                   if (m %in% c("Author", "DateTimeStamp", "Description", "ID", "Origin", "Heading", "Language")) {  
                       local.m <- lapply(object, m)  
                       local.m <- sapply(local.m, paste, collapse = " ")  
                       local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                       local.m <- unlist(local.m)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
                   }  
                   else {  
                       local.meta <- lapply(object, LocalMetaData)  
                       local.m <- lapply(local.meta, "[[", m)  
                       local.m <- lapply(local.m, function(x) if (is.null(x)) return(NA) else return(x))  
                       if (length(local.m) == length(unlist(local.m)))  
                           local.m <- unlist(local.m)  
                       else  
                           local.m <- I(local.m)  
                       DMetaData(object) <- cbind(DMetaData(object), data.frame(m = local.m, stringsAsFactors = FALSE))  
                       names(DMetaData(object))[which(names(DMetaData(object)) == "m")] <- m  
                   }  
               }  
               return(object)  
           })  
   
 setMethod("[",  
           signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),  
           function(x, i, j, ... , drop) {  
               if(missing(i))  
                   return(x)  
100    
101                object <- x  `[<-.PCorpus` <- function(x, i, value) {
102                object@.Data <- x@.Data[i, ..., drop = FALSE]      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
               if (DBControl(object)[["useDb"]]) {  
                   index <- object@DMetaData[[1 , "subset"]]  
                   if (any(is.na(index)))  
                       object@DMetaData[[1 , "subset"]] <- i  
                   else  
                       object@DMetaData[[1 , "subset"]] <- index[i]  
               }  
               else  
                   DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  
               return(object)  
           })  
   
 setMethod("[<-",  
           signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),  
           function(x, i, j, ... , value) {  
               object <- x  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
103                    counter <- 1                    counter <- 1
104                    for (id in object@.Data[i, ...]) {      for (id in unclass(x)[i]) {
105                        if (length(value) == 1)          if (identical(length(value), 1)) db[[id]] <- value
106                            db[[id]] <- value          else db[[id]] <- value[[counter]]
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
107                        counter <- counter + 1                        counter <- counter + 1
108                    }                    }
109        x
110                }                }
111                else  
112                    object@.Data[i, ...] <- value  `[[.PCorpus` <-  function(x, i) {
113                return(object)      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
114            })      filehash::dbFetch(db, NextMethod("[["))
   
 setMethod("[[",  
           signature(x = "Corpus", i = "ANY", j = "ANY"),  
           function(x, i, j, ...) {  
               if (DBControl(x)[["useDb"]]) {  
                   db <- dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])  
                   result <- dbFetch(db, x@.Data[[i]])  
                   return(loadDoc(result))  
115                }                }
116                else {  `[[.VCorpus` <-  function(x, i) {
117                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
118                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
119                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
120                    return(loadDoc(x@.Data[[i]]))      NextMethod("[[")
121                }                }
           })  
122    
123  setMethod("[[<-",  `[[<-.PCorpus` <-  function(x, i, value) {
124            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
125            function(x, i, j, ..., value) {      index <- unclass(x)[[i]]
               object <- x  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
126                    db[[index]] <- value                    db[[index]] <- value
127        x
128                }                }
129                else {  `[[<-.VCorpus` <-  function(x, i, value) {
130                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
131                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")      lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
132                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
133                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
134                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap          meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
135                    }                    }
136                    # Set the value                    # Set the value
137                    object@.Data[[i, ...]] <- value      cl <- class(x)
138        y <- NextMethod("[[<-")
139        class(y) <- cl
140        y
141                }                }
               return(object)  
           })  
142    
143  # Update \code{NodeID}s of a CMetaData tree  # Update NodeIDs of a CMetaData tree
144  update_id <- function(object, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {  .update_id <- function(x, id = 0, mapping = NULL, left.mapping = NULL, level = 0) {
145      # Traversal of (binary) CMetaData tree with setup of \code{NodeID}s      # Traversal of (binary) CMetaData tree with setup of NodeIDs
146      set_id <- function(object) {      set_id <- function(x) {
147          object@NodeID <- id          x$NodeID <- id
148          id <<- id + 1          id <<- id + 1
149          level <<- level + 1          level <<- level + 1
150            if (length(x$Children) > 0) {
151          if (length(object@children) > 0) {              mapping <<- cbind(mapping, c(x$Children[[1]]$NodeID, id))
152              mapping <<- cbind(mapping, c(object@children[[1]]@NodeID, id))              left <- set_id(x$Children[[1]])
             left <- set_id(object@children[[1]])  
153              if (level == 1) {              if (level == 1) {
154                  left.mapping <<- mapping                  left.mapping <<- mapping
155                  mapping <<- NULL                  mapping <<- NULL
156              }              }
157              mapping <<- cbind(mapping, c(object@children[[2]]@NodeID, id))              mapping <<- cbind(mapping, c(x$Children[[2]]$NodeID, id))
158              right <- set_id(object@children[[2]])              right <- set_id(x$Children[[2]])
159    
160              object@children <- list(left, right)              x$Children <- list(left, right)
161          }          }
162          level <<- level - 1          level <<- level - 1
163            x
         return(object)  
164      }      }
165        list(root = set_id(x), left.mapping = left.mapping, right.mapping = mapping)
     return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))  
166  }  }
167    
168  setMethod("c",  # Find indices to be updated for a CMetaData tree
169            signature(x = "Corpus"),  .find_indices <- function(x) {
           function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               args <- list(...)  
               if (length(args) == 0)  
                   return(x)  
   
               if (!all(sapply(args, inherits, "Corpus")))  
                   stop("not all arguments are text document collections")  
               if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating text document collections with activated database is not supported")  
   
               result <- x  
               for (c in args) {  
                   result <- c2(result, c)  
               }  
               return(result)  
           })  
   
 setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  
 setMethod("c2",  
           signature(x = "Corpus", y = "Corpus"),  
           function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  
               object <- x  
               # Concatenate data slots  
               object@.Data <- c(as(x, "list"), as(y, "list"))  
   
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
               # Update the CMetaData tree  
               cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))  
               update.struct <- update_id(cmeta)  
               object@CMetaData <- update.struct$root  
   
               # Find indices to be updated for the left tree  
170                indices.mapping <- NULL                indices.mapping <- NULL
171                for (m in levels(as.factor(DMetaData(x)$MetaID))) {                for (m in levels(as.factor(DMetaData(x)$MetaID))) {
172                    indices <- (DMetaData(x)$MetaID == m)                    indices <- (DMetaData(x)$MetaID == m)
173                    indices.mapping <- c(indices.mapping, list(m = indices))                    indices.mapping <- c(indices.mapping, list(m = indices))
174                    names(indices.mapping)[length(indices.mapping)] <- m                    names(indices.mapping)[length(indices.mapping)] <- m
175                }                }
176        indices.mapping
177    }
178    
179    c2 <- function(x, y, ...) {
180        # Update the CMetaData tree
181        cmeta <- .MetaDataNode(0, list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), list(CMetaData(x), CMetaData(y)))
182        update.struct <- .update_id(cmeta)
183    
184        new <- .VCorpus(c(unclass(x), unclass(y)), update.struct$root, NULL)
185    
186        # Find indices to be updated for the left tree
187        indices.mapping <- .find_indices(x)
188    
189                # Update the DMetaData data frames for the left tree                # Update the DMetaData data frames for the left tree
190                for (i in 1:ncol(update.struct$left.mapping)) {                for (i in 1:ncol(update.struct$left.mapping)) {
191                    map <- update.struct$left.mapping[,i]                    map <- update.struct$left.mapping[,i]
192                    x@DMetaData$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(x)$MetaID <- replace(DMetaData(x)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
193                }                }
194    
195                # Find indices to be updated for the right tree                # Find indices to be updated for the right tree
196                indices.mapping <- NULL      indices.mapping <- .find_indices(y)
               for (m in levels(as.factor(DMetaData(y)$MetaID))) {  
                   indices <- (DMetaData(y)$MetaID == m)  
                   indices.mapping <- c(indices.mapping, list(m = indices))  
                   names(indices.mapping)[length(indices.mapping)] <- m  
               }  
197    
198                # Update the DMetaData data frames for the right tree                # Update the DMetaData data frames for the right tree
199                for (i in 1:ncol(update.struct$right.mapping)) {                for (i in 1:ncol(update.struct$right.mapping)) {
200                    map <- update.struct$right.mapping[,i]                    map <- update.struct$right.mapping[,i]
201                    y@DMetaData$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])          DMetaData(y)$MetaID <- replace(DMetaData(y)$MetaID, indices.mapping[[as.character(map[1])]], map[2])
202                }                }
203    
204                # Merge the DMetaData data frames                # Merge the DMetaData data frames
# Line 557  Line 208 
208                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))                labels <- setdiff(names(DMetaData(x)), names(DMetaData(y)))
209                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))                na.matrix <- matrix(NA, nrow = nrow(DMetaData(y)), ncol = length(labels), dimnames = list(row.names(DMetaData(y)), labels))
210                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
211                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)      DMetaData(new) <- rbind(x.dmeta.aug, y.dmeta.aug)
212    
213                return(object)      new
214            })  }
215    
216  setMethod("c",  c.Corpus <-
217            signature(x = "TextDocument"),  function(x, ..., recursive = FALSE)
218            function(x, ..., recursive = TRUE){  {
219                args <- list(...)                args <- list(...)
220                if(length(args) == 0)  
221        if (identical(length(args), 0))
222                    return(x)                    return(x)
223    
224                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)      if (!all(unlist(lapply(args, inherits, class(x)))))
225                cmeta.node <- new("MetaDataNode",          stop("not all arguments are of the same corpus type")
226                              NodeID = 0,  
227                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),      if (inherits(x, "PCorpus"))
228                              children = list())          stop("concatenation of corpora with underlying databases is not supported")
229    
230                return(new("Corpus",      Reduce(c2, base::c(list(x), args))
231                           .Data = list(x, ...),  }
232                           DMetaData = dmeta.df,  
233                           CMetaData = cmeta.node,  c.TextDocument <- function(x, ..., recursive = FALSE) {
234                           DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))      args <- list(...)
235            })  
236        if (identical(length(args), 0))
237  setMethod("length",          return(x)
238            signature(x = "Corpus"),  
239            function(x){      if (!all(unlist(lapply(args, inherits, class(x)))))
240                return(length(as(x, "list")))          stop("not all arguments are text documents")
241      })  
242        dmeta <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
243  setMethod("show",      .VCorpus(list(x, ...), .MetaDataNode(), dmeta)
244            signature(object = "Corpus"),  }
245            function(object){  
246                cat(sprintf(ngettext(length(object),  print.Corpus <- function(x, ...) {
247                                     "A text document collection with %d text document\n",      cat(sprintf(ngettext(length(x),
248                                     "A text document collection with %d text documents\n"),                           "A corpus with %d text document\n",
249                            length(object)))                           "A corpus with %d text documents\n"),
250      })                  length(x)))
251        invisible(x)
252  setMethod("summary",  }
253            signature(object = "Corpus"),  
254            function(object){  summary.Corpus <- function(object, ...) {
255                show(object)      print(object)
256                if (length(DMetaData(object)) > 0) {                if (length(DMetaData(object)) > 0) {
257                    cat(sprintf(ngettext(length(CMetaData(object)@MetaData),          cat(sprintf(ngettext(length(attr(CMetaData(object), "MetaData")),
258                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",                                                "\nThe metadata consists of %d tag-value pair and a data frame\n",
259                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),                                                "\nThe metadata consists of %d tag-value pairs and a data frame\n"),
260                                         length(CMetaData(object)@MetaData)))                      length(CMetaData(object)$MetaData)))
261                    cat("Available tags are:\n")                    cat("Available tags are:\n")
262                    cat(strwrap(paste(names(CMetaData(object)@MetaData), collapse = " "), indent = 2, exdent = 2), "\n")          cat(strwrap(paste(names(CMetaData(object)$MetaData), collapse = " "), indent = 2, exdent = 2), "\n")
263                    cat("Available variables in the data frame are:\n")                    cat("Available variables in the data frame are:\n")
264                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")                    cat(strwrap(paste(names(DMetaData(object)), collapse = " "), indent = 2, exdent = 2), "\n")
265                }                }
     })  
   
 setGeneric("inspect", function(object) standardGeneric("inspect"))  
 setMethod("inspect",  
           signature("Corpus"),  
           function(object) {  
               summary(object)  
               cat("\n")  
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   show(dbMultiFetch(db, unlist(object)))  
266                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
267    
268  # No metadata is checked  inspect <- function(x) UseMethod("inspect", x)
269  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  inspect.PCorpus <- function(x) {
270  setMethod("%IN%",      summary(x)
271            signature(x = "TextDocument", y = "Corpus"),      cat("\n")
272            function(x, y) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
273                if (DBControl(y)[["useDb"]]) {      show(filehash::dbMultiFetch(db, unlist(x)))
                   db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])  
                   result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
               }  
               else  
                   result <- x %in% y  
               return(result)  
           })  
   
 setMethod("lapply",  
           signature(X = "Corpus"),  
           function(X, FUN, ...) {  
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
274                }                }
275                else {  inspect.VCorpus <- function(x) {
276                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")      summary(x)
277                    if (!is.null(lazyTmMap))      cat("\n")
278                        .Call("copyCorpus", X, materialize(X))      print(noquote(lapply(x, identity)))
                   result <- base::lapply(X, FUN, ...)  
279                }                }
               return(result)  
           })  
280    
281  setMethod("sapply",  lapply.PCorpus <- function(X, FUN, ...) {
282            signature(X = "Corpus"),      db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
283            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {      lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
284                }                }
285                else {  lapply.VCorpus <- function(X, FUN, ...) {
286                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
287                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
288                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
289                    result <- base::sapply(X, FUN, ...)      base::lapply(X, FUN, ...)
290                }                }
               return(result)  
           })  
291    
292  setAs("list", "Corpus", function(from) {  writeCorpus <-  function(x, path = ".", filenames = NULL) {
     cmeta.node <- new("MetaDataNode",  
                       NodeID = 0,  
                       MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),  
                       children = list())  
     data <- list()  
     counter <- 1  
     for (f in from) {  
         doc <- new("PlainTextDocument",  
                    .Data = f, URI = NULL, Cached = TRUE,  
                    Author = "", DateTimeStamp = Sys.time(),  
                    Description = "", ID = as.character(counter),  
                    Origin = "", Heading = "", Language = "en_US")  
         data <- c(data, list(doc))  
         counter <- counter + 1  
     }  
     return(new("Corpus", .Data = data,  
                DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),  
                CMetaData = cmeta.node,  
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
 })  
   
 setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  
 setMethod("writeCorpus",  
           signature(object = "Corpus"),  
           function(object, path = ".", filenames = NULL) {  
293                filenames <- file.path(path,                filenames <- file.path(path,
294                                       if (is.null(filenames)) sapply(object, function(x) sprintf("%s.txt", ID(x)))                             if (is.null(filenames)) unlist(lapply(x, function(x) sprintf("%s.txt", ID(x))))
295                                       else filenames)                                       else filenames)
296                i <- 1                i <- 1
297                for (o in object) {      for (o in x) {
298                    writeLines(asPlain(o), filenames[i])          writeLines(as.PlainTextDocument(o), filenames[i])
299                    i <- i + 1                    i <- i + 1
300                }                }
301            })  }

Legend:
Removed from v.884  
changed lines
  Added in v.1004

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