/// <summary>
/// Tworzy dokument na podstawie wcześniej przygotowanego pliku.
/// </summary>
/// <param name="fileName">Plik z danymi.</param>
/// <param name="dictionary">Słownik, na podstawie którego tworzony jest dokument.</param>
/// <param name="className">Nazwa klasy, do której należy dany dokument lub null, jeśli klasa jest nieznana.</param>
/// <param name="learningDocInfo">Obiekt zawierający informacje o wszystkich dokumentach uczących.</param>
public TfIdfDocument(String fileName, Dictionary dictionary, String className, LearningDocInfo learningDocInfo)
: base(dictionary)
{
wordCountList = new WordCountList();
if (className != null)
{
classNo = DocumentClass.GetClassIndex(className);
}
//tworze liste wszystkich słów ze wszystkuch dokumentów
Dictionary <String, WordInfo> allWordsInfo = learningDocInfo.AllWordsInfo;
double allDocNumber = learningDocInfo.AllDocCount;
//tworze liste słów w dokumencie
WordCountList wordsInDoc = new WordCountList(fileName);
int wordsInDocCount = wordsInDoc.GetAllWordsCount();
foreach (String word in dictionary)
{
if (wordsInDoc[word] != -1)
{
double inclDocCount = allWordsInfo[word].InclDocCount;
//double tfIdf = (wordsInDoc[word] / wordsInDocCount) * Math.Log10(allDocNumber/inclDocCount);
double tfIdf = PreprocessingUtility.ComputeTfIdf(wordsInDoc[word], wordsInDocCount, allDocNumber, inclDocCount);
wordCountList.Add(new WordCountPair(word, tfIdf));
}
else
{
wordCountList.Add(new WordCountPair(word, 0));
}
}
}
/// <summary>
/// Tworzy nowy słownik.
/// </summary>
/// <param name="sourceDir">Katalog zawierający wszystkie pliki uczące.</param>
/// <param name="summaryFile">Plik z podsumowaniem wszystkich plików.</param>
/// <param name="size">Ilość słów w słowniku</param>
public CtfIdfDictionary(String sourceDir, String summaryFile, int size)
{
Dictionary <String, WordCountPair> tmpDictionary = new Dictionary <string, WordCountPair>();
//wczytanie informacji o wszystkich słowach
LearningDocInfo learningDocInfo = new LearningDocInfo(sourceDir, summaryFile);
Dictionary <String, WordInfo> allWords = learningDocInfo.AllWordsInfo;
int allDocCount = learningDocInfo.AllDocCount;
//tworzenie słownika
DirectoryInfo sourceDirInfo = new DirectoryInfo(sourceDir);
foreach (DirectoryInfo dirInfo in sourceDirInfo.GetDirectories()) //przechodzę po wszystkich podkatalogach
{
DirectoryInfo stemDir = new DirectoryInfo(dirInfo.FullName + "//stem");
foreach (FileInfo fileInfo in stemDir.GetFiles()) //przechodzę po wszystkich plikach
{
WordCountList wordsInFile = new WordCountList(fileInfo.FullName);
int wordsInDocCount = wordsInFile.GetAllWordsCount();
foreach (WordCountPair wordCountPair in wordsInFile) //przechodzę po wszsytkich słowach
{
double tfIdf = PreprocessingUtility.ComputeTfIdf(wordCountPair.Count, wordsInDocCount, allDocCount, allWords[wordCountPair.Word].InclDocCount);
if (tmpDictionary.ContainsKey(wordCountPair.Word))
{
tmpDictionary[wordCountPair.Word].Count += tfIdf;
}
else
{
tmpDictionary.Add(wordCountPair.Word, new WordCountPair(wordCountPair.Word, tfIdf));
}
}
}
}
//wybranie odpowiednich słów
WordCountPair[] tmpArray = new WordCountPair[tmpDictionary.Count];
tmpDictionary.Values.CopyTo(tmpArray, 0);
Array.Sort(tmpArray);
Array.Reverse(tmpArray);
//kopiowanie do właściwej listy
wordList = new List <string>();
for (int i = 0; i < size; i++)
{
wordList.Add(tmpArray[i].Word);
}
}