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 962, Sun Jun 28 15:52:33 2009 UTC
# Line 1  Line 1 
1  # Author: Ingo Feinerer  # Author: Ingo Feinerer
2    
3  # The "..." are additional arguments for the FunctionGenerator reader  prepareReader <- function(readerControl, defaultReader = NULL, ...) {
 setGeneric("Corpus", function(object,  
                                   readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                                   dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                                   ...) standardGeneric("Corpus"))  
 setMethod("Corpus",  
           signature(object = "Source"),  
           function(object,  
                    readerControl = list(reader = object@DefaultReader, language = "en_US", load = TRUE),  
                    dbControl = list(useDb = FALSE, dbName = "", dbType = "DB1"),  
                    ...) {  
4                if (is.null(readerControl$reader))                if (is.null(readerControl$reader))
5                    readerControl$reader <- object@DefaultReader          readerControl$reader <- defaultReader
6                if (is(readerControl$reader, "FunctionGenerator"))                if (is(readerControl$reader, "FunctionGenerator"))
7                    readerControl$reader <- readerControl$reader(...)                    readerControl$reader <- readerControl$reader(...)
8                if (is.null(readerControl$language))                if (is.null(readerControl$language))
9                    readerControl$language = "en_US"          readerControl$language <- "eng"
10                if (is.null(readerControl$load))      readerControl
11                    readerControl$load = TRUE  }
12    
13                if (dbControl$useDb) {  ## Fast Corpus
14                    if (!dbCreate(dbControl$dbName, dbControl$dbType))  ##   - provides a prototype implementation of a more time and memory efficient representation of a corpus
15    ##   - allows performance tests and comparisons to other corpus types
16    #FCorpus <- function(object, readerControl = list(language = "eng")) {
17    #    readerControl <- prepareReader(readerControl)
18    #
19    #    if (!object@Vectorized)
20    #        stop("Source is not vectorized")
21    #
22    #    tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
23    #                  function(x) readSlim(x[c("content", "uri")],
24    #                                       readerControl$language,
25    #                                       as.character(x$id)))
26    #
27    #    new("FCorpus", .Data = tdl)
28    #}
29    
30    PCorpus <- function(object,
31                        readerControl = list(reader = object@DefaultReader, language = "eng"),
32                        dbControl = list(dbName = "", dbType = "DB1"),
33                        ...) {
34        readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
35    
36        if (!filehash::dbCreate(dbControl$dbName, dbControl$dbType))
37                        stop("error in creating database")                        stop("error in creating database")
38                    db <- dbInit(dbControl$dbName, dbControl$dbType)      db <- filehash::dbInit(dbControl$dbName, dbControl$dbType)
               }  
39    
40                # Allocate memory in advance if length is known                # Allocate memory in advance if length is known
41                tdl <- if (object@Length > 0)                tdl <- if (object@Length > 0)
# Line 36  Line 47 
47                while (!eoi(object)) {                while (!eoi(object)) {
48                    object <- stepNext(object)                    object <- stepNext(object)
49                    elem <- getElem(object)                    elem <- getElem(object)
50                    # If there is no Load on Demand support          doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
51                    # we need to load the corpus into memory at startup          filehash::dbInsert(db, ID(doc), doc)
52                    if (!object@LoDSupport)          if (object@Length > 0) tdl[[counter]] <- ID(doc)
53                        readerControl$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))  
                   }  
54                    counter <- counter + 1                    counter <- counter + 1
55                }                }
56    
57                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)                df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
58                if (dbControl$useDb) {      filehash::dbInsert(db, "DMetaData", df)
                   dbInsert(db, "DMetaData", df)  
59                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))                    dmeta.df <- data.frame(key = "DMetaData", subset = I(list(NA)))
               }  
               else  
                   dmeta.df <- df  
60    
61                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
62                              NodeID = 0,                              NodeID = 0,
63                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
64                              children = list())                              children = list())
65    
66                return(new("Corpus", .Data = tdl, DMetaData = dmeta.df, CMetaData = cmeta.node, DBControl = dbControl))      new("PCorpus", .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)  
67                }                }
           })  
 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)  
           })  
68    
69  setGeneric("tmUpdate", function(object,  # The "..." are additional arguments for the FunctionGenerator reader
70                                  origin,  SCorpus <- Corpus <- function(object,
71                                  readerControl = list(reader = origin@DefaultReader, language = "en_US", load = TRUE),                      readerControl = list(reader = object@DefaultReader, language = "eng"),
                                 ...) 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),  
72                     ...) {                     ...) {
73                if (is.null(readerControl$reader))      readerControl <- prepareReader(readerControl, object@DefaultReader, ...)
74                    readerControl$reader <- origin@DefaultReader  
75                if (is(readerControl$reader, "FunctionGenerator"))      # Allocate memory in advance if length is known
76                    readerControl$reader <- readerControl$reader(...)      tdl <- if (object@Length > 0)
77                if (is.null(readerControl$language))          vector("list", as.integer(object@Length))
78                    readerControl$language = "en_US"      else
79                if (is.null(readerControl$load))          list()
80                    readerControl$load = TRUE  
81        if (object@Vectorized)
82                object.filelist <- unlist(lapply(object, function(x) {summary(eval(URI(x)))$description}))          tdl <- lapply(mapply(c, pGetElem(object), id = seq_len(object@Length), SIMPLIFY = FALSE),
83                new.files <- setdiff(origin@FileList, object.filelist)                        function(x) readerControl$reader(x[c("content", "uri")],
84                                                           readerControl$language,
85                for (filename in new.files) {                                                         as.character(x$id)))
86                    encoding <- origin@Encoding      else {
87                    elem <- list(content = readLines(filename, encoding = encoding),          counter <- 1
88                                 uri = substitute(file(filename, encoding = encoding)))          while (!eoi(object)) {
89                    object <- appendElem(object, readerControl$reader(elem, readerControl$load, readerControl$language, filename))              object <- stepNext(object)
90                elem <- getElem(object)
91                doc <- readerControl$reader(elem, readerControl$language, as.character(counter))
92                if (object@Length > 0)
93                    tdl[[counter]] <- doc
94                else
95                    tdl <- c(tdl, list(doc))
96                counter <- counter + 1
97            }
98                }                }
99    
100                return(object)      df <- data.frame(MetaID = rep(0, length(tdl)), stringsAsFactors = FALSE)
101            })      cmeta.node <- new("MetaDataNode",
102                          NodeID = 0,
103                          MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
104                          children = list())
105    
106        new("SCorpus", .Data = tdl, DMetaData = df, CMetaData = cmeta.node)
107    }
108    
109  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))  setGeneric("tmMap", function(object, FUN, ..., lazy = FALSE) standardGeneric("tmMap"))
110    #setMethod("tmMap",
111    #          signature(object = "FCorpus", FUN = "function"),
112    #          function(object, FUN, ..., lazy = FALSE) {
113    #              if (lazy)
114    #                  warning("lazy mapping is deactivated")
115    #
116    #              new("FCorpus", .Data = lapply(object, FUN, ..., DMetaData = data.frame()))
117    #          })
118  setMethod("tmMap",  setMethod("tmMap",
119            signature(object = "Corpus", FUN = "function"),            signature(object = "SCorpus", FUN = "function"),
120            function(object, FUN, ..., lazy = FALSE) {            function(object, FUN, ..., lazy = FALSE) {
121                result <- object                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 {  
122                    # Lazy mapping                    # Lazy mapping
123                    if (lazy) {                    if (lazy) {
124                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                        lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")
# Line 203  Line 138 
138                        else                        else
139                            lapply(object, FUN, ..., DMetaData = DMetaData(object))                            lapply(object, FUN, ..., DMetaData = DMetaData(object))
140                    }                    }
141                  result
142              })
143    setMethod("tmMap",
144              signature(object = "PCorpus", FUN = "function"),
145              function(object, FUN, ..., lazy = FALSE) {
146                  if (lazy)
147                      warning("lazy mapping is deactived when using database backend")
148                  db <- filehash::dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
149                  i <- 1
150                  for (id in unlist(object)) {
151                      db[[id]] <- FUN(object[[i]], ..., DMetaData = DMetaData(object))
152                      i <- i + 1
153                }                }
154                return(result)                # Suggested by Christian Buchta
155                  filehash::dbReorganize(db)
156    
157                  object
158            })            })
159    
160  # Materialize lazy mappings  # Materialize lazy mappings
# Line 215  Line 165 
165         # Make valid and lazy index         # Make valid and lazy index
166         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index         idx <- (seq_along(corpus) %in% range) & lazyTmMap$index
167         if (any(idx)) {         if (any(idx)) {
168             res <- lapply(corpus@.Data[idx], loadDoc)             res <- corpus@.Data[idx]
169             for (m in lazyTmMap$maps)             for (m in lazyTmMap$maps)
170                 res <- lapply(res, m, DMetaData = DMetaData(corpus))                 res <- lapply(res, m, DMetaData = DMetaData(corpus))
171             corpus@.Data[idx] <- res             corpus@.Data[idx] <- res
# Line 226  Line 176 
176      if (!any(lazyTmMap$index))      if (!any(lazyTmMap$index))
177          lazyTmMap <- NULL          lazyTmMap <- NULL
178      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap      meta(corpus, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
179      return(corpus)      corpus
180  }  }
181    
182  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))  setGeneric("asPlain", function(object, FUN, ...) standardGeneric("asPlain"))
183  setMethod("asPlain",  setMethod("asPlain", signature(object = "PlainTextDocument"),
184            signature(object = "PlainTextDocument"),            function(object, FUN, ...) object)
           function(object, FUN, ...) {  
               return(object)  
           })  
185  setMethod("asPlain",  setMethod("asPlain",
186            signature(object = "XMLTextDocument"),            signature(object = "XMLTextDocument"),
187            function(object, FUN, ...) {            function(object, FUN, ...) {
188                  require("XML")
189    
190                corpus <- Content(object)                corpus <- Content(object)
191    
192                # As XMLDocument is no native S4 class, restore valid information                # As XMLDocument is no native S4 class, restore valid information
# Line 249  Line 198 
198  setMethod("asPlain",  setMethod("asPlain",
199            signature(object = "Reuters21578Document"),            signature(object = "Reuters21578Document"),
200            function(object, FUN, ...) {            function(object, FUN, ...) {
201                  require("XML")
202    
203                FUN <- convertReut21578XMLPlain                FUN <- convertReut21578XMLPlain
204                corpus <- Content(object)                corpus <- Content(object)
205    
# Line 258  Line 209 
209    
210                return(FUN(xmlRoot(corpus), ...))                return(FUN(xmlRoot(corpus), ...))
211            })            })
212  setMethod("asPlain",  setMethod("asPlain", signature(object = "RCV1Document"),
213            signature(object = "RCV1Document"),            function(object, FUN, ...) convertRCV1Plain(object, ...))
           function(object, FUN, ...) {  
               return(convertRCV1Plain(object, ...))  
           })  
214  setMethod("asPlain",  setMethod("asPlain",
215            signature(object = "NewsgroupDocument"),            signature(object = "NewsgroupDocument"),
216            function(object, FUN, ...) {            function(object, FUN, ...) {
217                new("PlainTextDocument", .Data = Content(object), Cached = TRUE, URI = NULL, Author = Author(object),                new("PlainTextDocument", .Data = Content(object), Author = Author(object),
218                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),                    DateTimeStamp = DateTimeStamp(object), Description = Description(object), ID = ID(object),
219                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),                    Origin = Origin(object), Heading = Heading(object), Language = Language(object),
220                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
# Line 274  Line 222 
222  setMethod("asPlain",  setMethod("asPlain",
223            signature(object = "StructuredTextDocument"),            signature(object = "StructuredTextDocument"),
224            function(object, FUN, ...) {            function(object, FUN, ...) {
225                new("PlainTextDocument", .Data = unlist(Content(object)), Cached = TRUE,                new("PlainTextDocument", .Data = unlist(Content(object)),
226                    URI = NULL, Author = Author(object), DateTimeStamp = DateTimeStamp(object),                    Author = Author(object), DateTimeStamp = DateTimeStamp(object),
227                    Description = Description(object), ID = ID(object), Origin = Origin(object),                    Description = Description(object), ID = ID(object), Origin = Origin(object),
228                    Heading = Heading(object), Language = Language(object),                    Heading = Heading(object), Language = Language(object),
229                    LocalMetaData = LocalMetaData(object))                    LocalMetaData = LocalMetaData(object))
230            })            })
231    
232  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))  setGeneric("tmFilter", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmFilter"))
233  setMethod("tmFilter",  setMethod("tmFilter", signature(object = "Corpus"),
234            signature(object = "Corpus"),            function(object, ..., FUN = searchFullText, doclevel = TRUE)
235            function(object, ..., FUN = searchFullText, doclevel = TRUE) {                object[tmIndex(object, ..., FUN = FUN, doclevel = doclevel)])
               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))])  
               }  
               else  
                   return(object[FUN(object, ...)])  
           })  
236    
237  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))  setGeneric("tmIndex", function(object, ..., FUN = searchFullText, doclevel = TRUE) standardGeneric("tmIndex"))
238  setMethod("tmIndex",  setMethod("tmIndex",
# Line 313  Line 250 
250                    return(FUN(object, ...))                    return(FUN(object, ...))
251            })            })
252    
253    # TODO: Replace with c(Corpus, TextDocument)?
254  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))  setGeneric("appendElem", function(object, data, meta = NULL) standardGeneric("appendElem"))
255  setMethod("appendElem",  setMethod("appendElem",
256            signature(object = "Corpus", data = "TextDocument"),            signature(object = "Corpus", data = "TextDocument"),
257            function(object, data, meta = NULL) {            function(object, data, meta = NULL) {
258                if (DBControl(object)[["useDb"]]) {                if (DBControl(object)[["useDb"]] && require("filehash")) {
259                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])
260                    if (dbExists(db, ID(data)))                    if (dbExists(db, ID(data)))
261                        warning("document with identical ID already exists")                        warning("document with identical ID already exists")
# Line 330  Line 268 
268                return(object)                return(object)
269            })            })
270    
271  setGeneric("appendMeta", function(object, cmeta = NULL, dmeta = NULL) standardGeneric("appendMeta"))  prescindMeta <- function(object, meta) {
272  setMethod("appendMeta",      df <- DMetaData(object)
           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)  
           })  
273    
274  setGeneric("removeMeta", function(object, cname = NULL, dname = NULL) standardGeneric("removeMeta"))      for (m in meta)
275  setMethod("removeMeta",          df <- cbind(df, structure(data.frame(I(meta(object, tag = m, type = "local"))), names = m))
           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)  
           })  
276    
277  setGeneric("prescindMeta", function(object, meta) standardGeneric("prescindMeta"))      df
 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  
278                    }                    }
                   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)  
           })  
279    
280    #setMethod("[",
281    #          signature(x = "FCorpus", i = "ANY", j = "ANY", drop = "ANY"),
282    #          function(x, i, j, ... , drop) {
283    #              if (missing(i)) return(x)
284    #
285    #              x@.Data <- x@.Data[i, ..., drop = FALSE]
286    #              x
287    #          })
288  setMethod("[",  setMethod("[",
289            signature(x = "Corpus", i = "ANY", j = "ANY", drop = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", drop = "ANY"),
290            function(x, i, j, ... , drop) {            function(x, i, j, ... , drop) {
291                if(missing(i))                if (missing(i)) return(x)
                   return(x)  
292    
293                object <- x                x@.Data <- x@.Data[i, ..., drop = FALSE]
294                object@.Data <- x@.Data[i, ..., drop = FALSE]                index <- x@DMetaData[[1 , "subset"]]
295                if (DBControl(object)[["useDb"]]) {                if (any(is.na(index))) x@DMetaData[[1 , "subset"]] <- i
296                    index <- object@DMetaData[[1 , "subset"]]                else x@DMetaData[[1 , "subset"]] <- index[i]
297                    if (any(is.na(index)))                x
298                        object@DMetaData[[1 , "subset"]] <- i            })
299                    else  setMethod("[",
300                        object@DMetaData[[1 , "subset"]] <- index[i]            signature(x = "SCorpus", i = "ANY", j = "ANY", drop = "ANY"),
301                }            function(x, i, j, ... , drop) {
302                else                if (missing(i)) return(x)
303                    DMetaData(object) <- DMetaData(x)[i, , drop = FALSE]  
304                return(object)                x@.Data <- x@.Data[i, ..., drop = FALSE]
305                  DMetaData(x) <- DMetaData(x)[i, , drop = FALSE]
306                  x
307            })            })
308    
309  setMethod("[<-",  setMethod("[<-",
310            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
311            function(x, i, j, ... , value) {            function(x, i, j, ... , value) {
312                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
               if (DBControl(object)[["useDb"]]) {  
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
313                    counter <- 1                    counter <- 1
314                    for (id in object@.Data[i, ...]) {                for (id in x@.Data[i, ...]) {
315                        if (length(value) == 1)                    if (identical(length(value), 1)) db[[id]] <- value
316                            db[[id]] <- value                    else db[[id]] <- value[[counter]]
                       else {  
                           db[[id]] <- value[[counter]]  
                       }  
317                        counter <- counter + 1                        counter <- counter + 1
318                    }                    }
319                }                x
320                else            })
321                    object@.Data[i, ...] <- value  setMethod("[<-",
322                return(object)            signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
323              function(x, i, j, ... , value) {
324                  x@.Data[i, ...] <- value
325                  x
326            })            })
327    
328  setMethod("[[",  setMethod("[[",
329            signature(x = "Corpus", i = "ANY", j = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY"),
330              function(x, i, j, ...) {
331                  db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
332                  filehash::dbFetch(db, x@.Data[[i]])
333              })
334    setMethod("[[",
335              signature(x = "SCorpus", i = "ANY", j = "ANY"),
336            function(x, i, j, ...) {            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))  
               }  
               else {  
337                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
338                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
339                        .Call("copyCorpus", x, materialize(x, i))                        .Call("copyCorpus", x, materialize(x, i))
340                    return(loadDoc(x@.Data[[i]]))                x@.Data[[i]]
               }  
341            })            })
342    
343  setMethod("[[<-",  setMethod("[[<-",
344            signature(x = "Corpus", i = "ANY", j = "ANY", value = "ANY"),            signature(x = "PCorpus", i = "ANY", j = "ANY", value = "ANY"),
345            function(x, i, j, ..., value) {            function(x, i, j, ..., value) {
346                object <- x                db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
347                if (DBControl(object)[["useDb"]]) {                index <- x@.Data[[i]]
                   db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])  
                   index <- object@.Data[[i]]  
348                    db[[index]] <- value                    db[[index]] <- value
349                }                x
350                else {            })
351    setMethod("[[<-",
352              signature(x = "SCorpus", i = "ANY", j = "ANY", value = "ANY"),
353              function(x, i, j, ..., value) {
354                    # Mark new objects as not active for lazy mapping                    # Mark new objects as not active for lazy mapping
355                    lazyTmMap <- meta(object, tag = "lazyTmMap", type = "corpus")                lazyTmMap <- meta(x, tag = "lazyTmMap", type = "corpus")
356                    if (!is.null(lazyTmMap)) {                    if (!is.null(lazyTmMap)) {
357                        lazyTmMap$index[i] <- FALSE                        lazyTmMap$index[i] <- FALSE
358                        meta(object, tag = "lazyTmMap", type = "corpus") <- lazyTmMap                    meta(x, tag = "lazyTmMap", type = "corpus") <- lazyTmMap
359                    }                    }
360                    # Set the value                    # Set the value
361                    object@.Data[[i, ...]] <- value                x@.Data[[i, ...]] <- value
362                }  
363                return(object)                x
364            })            })
365    
366  # Update \code{NodeID}s of a CMetaData tree  # Update \code{NodeID}s of a CMetaData tree
# Line 484  Line 388 
388          return(object)          return(object)
389      }      }
390    
391      return(list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping))      list(root = set_id(object), left.mapping = left.mapping, right.mapping = mapping)
392  }  }
393    
394  setMethod("c",  setMethod("c",
395            signature(x = "Corpus"),            signature(x = "Corpus"),
396            function(x, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {            function(x, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME")), recursive = FALSE) {
397                args <- list(...)                args <- list(...)
398                if (length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
399    
400                if (!all(sapply(args, inherits, "Corpus")))                if (!all(sapply(args, inherits, class(x))))
401                    stop("not all arguments are text document collections")                    stop("not all arguments are of the same corpus type")
               if (DBControl(x)[["useDb"]] == TRUE || any(unlist(sapply(args, DBControl)["useDb", ])))  
                   stop("concatenating text document collections with activated database is not supported")  
402    
403                result <- x                if (inherits(x, "PCorpus"))
404                for (c in args) {                    stop("concatenation of corpora with underlying databases is not supported")
405                    result <- c2(result, c)  
406                }                Reduce(c2, base::c(list(x), args))
               return(result)  
407            })            })
408    
409  setGeneric("c2", function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) standardGeneric("c2"))  setGeneric("c2", function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) standardGeneric("c2"))
410  setMethod("c2",  #setMethod("c2", signature(x = "FCorpus", y = "FCorpus"),
411            signature(x = "Corpus", y = "Corpus"),  #          function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {
412            function(x, y, ..., meta = list(merge_date = Sys.time(), merger = Sys.getenv("LOGNAME")), recursive = TRUE) {  #              new("FCorpus", .Data = c(as(x, "list"), as(y, "list")))
413    #          })
414    setMethod("c2", signature(x = "SCorpus", y = "SCorpus"),
415              function(x, y, ..., meta = list(merge_date = as.POSIXlt(Sys.time(), tz = "GMT"), merger = Sys.getenv("LOGNAME"))) {
416                object <- x                object <- x
417                # Concatenate data slots                # Concatenate data slots
418                object@.Data <- c(as(x, "list"), as(y, "list"))                object@.Data <- c(as(x, "list"), as(y, "list"))
419    
               # Set the DBControl slot  
               object@DBControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")  
   
420                # Update the CMetaData tree                # Update the CMetaData tree
421                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))                cmeta <- new("MetaDataNode", NodeID = 0, MetaData = meta, children = list(CMetaData(x), CMetaData(y)))
422                update.struct <- update_id(cmeta)                update.struct <- update_id(cmeta)
# Line 559  Line 459 
459                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)                y.dmeta.aug <- cbind(DMetaData(y), na.matrix)
460                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)                object@DMetaData <- rbind(x.dmeta.aug, y.dmeta.aug)
461    
462                return(object)                object
463            })            })
464    
465  setMethod("c",  setMethod("c",
466            signature(x = "TextDocument"),            signature(x = "TextDocument"),
467            function(x, ..., recursive = TRUE){            function(x, ..., recursive = FALSE){
468                args <- list(...)                args <- list(...)
469                if(length(args) == 0)                if (identical(length(args), 0)) return(x)
                   return(x)  
470    
471                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)                dmeta.df <- data.frame(MetaID = rep(0, length(list(x, ...))), stringsAsFactors = FALSE)
472                cmeta.node <- new("MetaDataNode",                cmeta.node <- new("MetaDataNode",
473                              NodeID = 0,                              NodeID = 0,
474                              MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                              MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
475                              children = list())                              children = list())
476    
477                return(new("Corpus",                new("SCorpus", .Data = list(x, ...), DMetaData = dmeta.df, CMetaData = cmeta.node)
                          .Data = list(x, ...),  
                          DMetaData = dmeta.df,  
                          CMetaData = cmeta.node,  
                          DBControl = list(useDb = FALSE, dbName = "", dbType = "DB1")))  
           })  
   
 setMethod("length",  
           signature(x = "Corpus"),  
           function(x){  
               return(length(as(x, "list")))  
478      })      })
479    
480  setMethod("show",  setMethod("show",
481            signature(object = "Corpus"),            signature(object = "Corpus"),
482            function(object){            function(object){
483                cat(sprintf(ngettext(length(object),                cat(sprintf(ngettext(length(object),
484                                     "A text document collection with %d text document\n",                                     "A corpus with %d text document\n",
485                                     "A text document collection with %d text documents\n"),                                     "A corpus with %d text documents\n"),
486                            length(object)))                            length(object)))
487      })      })
488    
# Line 613  Line 502 
502                }                }
503      })      })
504    
505  setGeneric("inspect", function(object) standardGeneric("inspect"))  inspect <- function(x) UseMethod("inspect", x)
506  setMethod("inspect",  inspect.PCorpus <- function(x) {
507            signature("Corpus"),      summary(x)
           function(object) {  
               summary(object)  
508                cat("\n")                cat("\n")
509                if (DBControl(object)[["useDb"]]) {      db <- filehash::dbInit(DBControl(x)[["dbName"]], DBControl(x)[["dbType"]])
510                    db <- dbInit(DBControl(object)[["dbName"]], DBControl(object)[["dbType"]])      show(filehash::dbMultiFetch(db, unlist(x)))
511                    show(dbMultiFetch(db, unlist(object)))  }
512    #inspect.FCorpus <-
513    inspect.SCorpus <- function(x) {
514        summary(x)
515        cat("\n")
516        print(noquote(lapply(x, identity)))
517                }                }
               else  
                   print(noquote(lapply(object, identity)))  
           })  
518    
519  # No metadata is checked  # No metadata is checked
520  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))  setGeneric("%IN%", function(x, y) standardGeneric("%IN%"))
521  setMethod("%IN%",  setMethod("%IN%", signature(x = "TextDocument", y = "PCorpus"),
           signature(x = "TextDocument", y = "Corpus"),  
522            function(x, y) {            function(x, y) {
523                if (DBControl(y)[["useDb"]]) {                db <- filehash::dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])
524                    db <- dbInit(DBControl(y)[["dbName"]], DBControl(y)[["dbType"]])                any(sapply(y, function(x, z) {x %in% Content(z)}, x))
                   result <- any(sapply(y, function(x, z) {x %in% Content(z)}, x))  
               }  
               else  
                   result <- x %in% y  
               return(result)  
525            })            })
526    setMethod("%IN%", signature(x = "TextDocument", y = "SCorpus"),
527              function(x, y) x %in% y)
528    
529  setMethod("lapply",  setMethod("lapply",
530            signature(X = "Corpus"),            signature(X = "SCorpus"),
531            function(X, FUN, ...) {            function(X, FUN, ...) {
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- lapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
               }  
               else {  
532                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
533                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
534                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
535                    result <- base::lapply(X, FUN, ...)                base::lapply(X, FUN, ...)
536                }            })
537                return(result)  setMethod("lapply",
538              signature(X = "PCorpus"),
539              function(X, FUN, ...) {
540                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
541                  lapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
542            })            })
543    
544  setMethod("sapply",  setMethod("sapply",
545            signature(X = "Corpus"),            signature(X = "SCorpus"),
546            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {            function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
               if (DBControl(X)[["useDb"]]) {  
                   db <- dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])  
                   result <- sapply(dbMultiFetch(db, unlist(X)), FUN, ...)  
               }  
               else {  
547                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")                    lazyTmMap <- meta(X, tag = "lazyTmMap", type = "corpus")
548                    if (!is.null(lazyTmMap))                    if (!is.null(lazyTmMap))
549                        .Call("copyCorpus", X, materialize(X))                        .Call("copyCorpus", X, materialize(X))
550                    result <- base::sapply(X, FUN, ...)                base::sapply(X, FUN, ...)
551                }            })
552                return(result)  setMethod("sapply",
553              signature(X = "PCorpus"),
554              function(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) {
555                  db <- filehash::dbInit(DBControl(X)[["dbName"]], DBControl(X)[["dbType"]])
556                  sapply(filehash::dbMultiFetch(db, unlist(X)), FUN, ...)
557            })            })
558    
559  setAs("list", "Corpus", function(from) {  setAs("list", "SCorpus", function(from) {
560      cmeta.node <- new("MetaDataNode",      cmeta.node <- new("MetaDataNode",
561                        NodeID = 0,                        NodeID = 0,
562                        MetaData = list(create_date = Sys.time(), creator = Sys.getenv("LOGNAME")),                        MetaData = list(create_date = as.POSIXlt(Sys.time(), tz = "GMT"), creator = Sys.getenv("LOGNAME")),
563                        children = list())                        children = list())
564      data <- list()      data <- vector("list", length(from))
565      counter <- 1      counter <- 1
566      for (f in from) {      for (f in from) {
567          doc <- new("PlainTextDocument",          data[[counter]] <- new("PlainTextDocument",
568                     .Data = f, URI = NULL, Cached = TRUE,                                 .Data = f,
569                     Author = "", DateTimeStamp = Sys.time(),                                 DateTimeStamp = as.POSIXlt(Sys.time(), tz = "GMT"),
570                     Description = "", ID = as.character(counter),                                 ID = as.character(counter),
571                     Origin = "", Heading = "", Language = "en_US")                                 Language = "eng")
         data <- c(data, list(doc))  
572          counter <- counter + 1          counter <- counter + 1
573      }      }
574      return(new("Corpus", .Data = data,      new("SCorpus", .Data = data,
575                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),                 DMetaData = data.frame(MetaID = rep(0, length(from)), stringsAsFactors = FALSE),
576                 CMetaData = cmeta.node,          CMetaData = cmeta.node)
                DBControl = dbControl <- list(useDb = FALSE, dbName = "", dbType = "DB1")))  
577  })  })
578    
579  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))  setGeneric("writeCorpus", function(object, path = ".", filenames = NULL) standardGeneric("writeCorpus"))

Legend:
Removed from v.884  
changed lines
  Added in v.962

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