DefaultInputData.java
8.18 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
package LIA_topic_seg;
import javax.xml.parsers.*;
import org.w3c.dom.*;
import org.xml.sax.*;
import java.io.*;
import javax.xml.transform.dom.*;
import javax.xml.transform.stream.*;
import javax.xml.transform.*;
import java.util.*;
/**
* Cette classe permet de charger les informations du fichier d'entrée, ainsi que d'éditer le résultat de la segmentation.
* Le fichier d'entrée doit être au format XML et les balises utilisées sont déterminées dans le fichier de configuration.
*/
public class DefaultInputData
{
//--------------------------------------------------------------------------
/**
* la configuration, et donc les paramètres sont copiés dans l'objet
*/
DefaultConfig config;
/**
* Le dictionnaire des lemmes est également porté par la représentation des données d'entrée
*/
LemmaDict lemmaDict = new LemmaDict();
private Sentence[] _sentenceList;
//--------------------------------------------------------------------------
public DefaultInputData(DefaultConfig c, String file) throws Exception
{
config = c;
try
{
NodeList sentenceNodeList = DocumentBuilderFactory.newInstance()
.newDocumentBuilder().parse(new File(file))
.getElementsByTagName(config
.getParam("inputDataSentenceXmlTag"));
int sentenceCount = sentenceNodeList.getLength();
_sentenceList = new Sentence[sentenceCount];
for (int i=0; i<sentenceCount; i++)
{
Sentence sentence = new Sentence();
NodeList childList = sentenceNodeList.item(i).getChildNodes();
int childCount = childList.getLength();
for (int j=0; j<childCount; j++)
{
Node node = childList.item(j);
String nodeName = node.getNodeName();
if (nodeName.equals(config.getParam("inputDataWordsXmlTag")))
sentence.content = node.getFirstChild().getTextContent();
else if (nodeName.equals(config.getParam("inputDataLemmaXmlTag")))
{
float w = 0; // weight
Node n = node.getAttributes().getNamedItem(config
.getParam("inputDataLemmaWeightXmlTag"));
if (n != null)
w = Float.parseFloat(n.getFirstChild().getTextContent());
int lemmaCode = lemmaDict.add(
node.getFirstChild().getTextContent(), w, i);
sentence.addLemma(lemmaCode, w);
}
}
_sentenceList[i] = sentence;
}
}
catch(Exception e) { throw e; }
}
//--------------------------------------------------------------------------
/**
* Cette fonction est utilisée principalement pour le débuggage, pour obtenir une trace des données d'entrée.
*/
public String toString()
{
java.io.StringWriter w = new java.io.StringWriter();
w.write(super.toString()+"\n");
for (int i=0; i<sentenceCount(); i++)
{
Sentence sent = _sentenceList[i];
w.write("SENTENCE #"+i
+" wordCount("+sent.wordCount()+")"
+" content("+sent.content+")\n");
for (int j=0; j<sent.lemmaCount(); j++)
{
Sentence.Lemma l = sent.lemmaObject(j);
w.write(" LEMMA #"+j
+" content("+lemmaDict.lemmaObject(l.code).content+")"
+" code("+l.code+")"
+" weight("+l.weight+")"
//+" occurences("+sent.lemmaOccurences(l.code)+")"
+"\n");
}
}
return w.toString();
}
/**
* Cette fonction permet d'éditer le résultat de la segmentation au même format que le fichier d'entrée, avec des balises <seg> pour délilmiter les segments thématiques
* @param bounds : il s'agit de l'objet contenant le calcul des frontières thématiques
* @return : La fonction renvoie un objet de type String, qui peut ensuite être affiché à l'écran ou bien redirigé vers un fichier de sortie.
*/
public String result_complete (Boundaries bounds){
int[] boundaries = bounds.position_boundaries().clone();
Arrays.sort(boundaries);
int count = 0;
int next = boundaries[0];
java.io.StringWriter w = new java.io.StringWriter();
w.write ("<?xml version=\"1.0\" encoding=\"ISO-8859-1\"?>\n<!DOCTYPE Segmentation>\n<Segmentation>\n<seg>\n");
for (int i=0; i<sentenceCount(); i++){
w.write("<" + config.getParam("inputDataSentenceXmlTag") + ">");
Sentence sent = _sentenceList[i];
w.write("<" + config.getParam("inputDataWordsXmlTag") + ">" + sent.content + "</" + config.getParam("inputDataWordsXmlTag") + ">");
for (int j=0; j<sent.lemmaCount(); j++)
{
Sentence.Lemma l = sent.lemmaObject(j);
w.write("<"+config.getParam("inputDataLemmaXmlTag") + " "
+ config.getParam("inputDataLemmaWeightXmlTag")+ "=" + l.weight + ">"
+ lemmaDict.lemmaObject(l.code).content
+"</" + config.getParam("inputDataLemmaXmlTag") + ">");
}
w.write("</" + config.getParam("inputDataSentenceXmlTag") + ">\n");
if (i == next)
{
if (count<boundaries.length-1)
{
count ++;
next = boundaries[count];
}
w.write("</seg>\n<seg>\n");
}
}
w.write ("</seg>\n</Segmentation>");
return w.toString();
}
/**
* Cette fonction permet d'éditer le résultat de la segmentation format XML, avec des balises <seg> pour délilmiter les segments thématiques
* et les même balises que le fichier d'entrée pour délimiter les phrases et leur contenu textuel.
* @param bounds : il s'agit de l'objet contenant le calcul des frontières thématiques
* @return : La fonction renvoie un objet de type String, qui peut ensuite être affiché à l'écran ou bien redirigé vers un fichier de sortie.
*/
public String result_text_only(Boundaries bounds){
int[] boundaries = bounds.position_boundaries().clone();
Arrays.sort(boundaries);
int count = 0;
int next = boundaries[0];
java.io.StringWriter w = new java.io.StringWriter();
w.write ("<?xml version=\"1.0\" encoding=\"ISO-8859-1\"?>\n<!DOCTYPE Segmentation>\n<Segmentation>\n<seg>\n");
for (int i=0; i<sentenceCount(); i++){
w.write("<" + config.getParam("inputDataSentenceXmlTag") + ">");
Sentence sent = _sentenceList[i];
w.write("<" + config.getParam("inputDataWordsXmlTag") + ">" + sent.content + "</" + config.getParam("inputDataWordsXmlTag") + ">");
w.write("</" + config.getParam("inputDataSentenceXmlTag") + ">\n");
if (i == next)
{
if(count<boundaries.length-1)
{
count ++;
next = boundaries[count];
}
w.write("</seg>\n<seg>\n");
}
}
w.write ("</seg>\n</Segmentation>");
return w.toString();
}
/**
* Cette fonction permet d'éditer le résultat de la segmentation au format utilisé dans les expériences de F. Choi, ainsi que dans les premières versions des outils d'évaluation livrés (Segmele et Segeval)
* @param bounds : il s'agit de l'objet contenant le calcul des frontières thématiques
* @return : La fonction renvoie un objet de type String, qui peut ensuite être affiché à l'écran ou bien redirigé vers un fichier de sortie.
*/
public String result_lines(Boundaries bounds){
int[] boundaries = bounds.position_boundaries().clone();
Arrays.sort(boundaries);
int count = 0;
int next = boundaries[0];
java.io.StringWriter w = new java.io.StringWriter();
w.write ("==========\n");
for (int i=0; i<sentenceCount(); i++){
Sentence sent = _sentenceList[i];
w.write( sent.content + "\n");
if (i == next){
if (count<boundaries.length-1){
count ++;
next = boundaries[count];
}
w.write("==========\n");
}
}
w.write ("==========\n");
return w.toString();
}
//--------------------------------------------------------------------------
public Sentence sentence(int i)
{
return _sentenceList[i];
}
//--------------------------------------------------------------------------
public int sentenceCount()
{
return _sentenceList.length;
}
}
/*
InputData in
for (int i=0; i<in.sentenceCount(); i++)
{
Sentence sent = in.sentence(i);
sent.content;
for (int j=0; j<sent.lemmaCount(); j++)
{
Sentence.Lemma l = sent.lemmaObject(j);
l.code
l.weight
}
}
*/