/
main.py
313 lines (268 loc) · 11.8 KB
/
main.py
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
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
from razred import oznaka
import knjiznica
import os
N = 50
def uvod():
knjiznica.izpis(N)
knjiznica.uvod()
knjiznica.datum()
knjiznica.izpis(N)
def posameznaLokacija(ime, lokacija):
print("{}:\t{}".format(ime, lokacija))
def izpisDatotecneStrukture():
posameznaLokacija("Txt2Bow",Txt2Bow)
posameznaLokacija("BowKMeans",BowKMeans)
posameznaLokacija("BowTrainBinSVM",BowTrainBinSVM)
posameznaLokacija("BowClassify",BowClassify)
posameznaLokacija("Zbirka besedil za ucenje",ucnaZbirkaBesedil)
posameznaLokacija("Zbirka besedila za preverjanje",zbirkaBesedilPreverjanja)
posameznaLokacija("Korenska mapa",korenskaMapa)
posameznaLokacija("Mapa z rezultati",statistikaMapa)
posameznaLokacija("Razbiti clanki",razbitiClanki)
posameznaLokacija("Tmp rezultati",tmpRezultati)
posameznaLokacija("Konkretni clanki",konkretniClanki)
def lokacijeProgramov():
global Txt2Bow
global BowKMeans
global BowTrainBinSVM
global BowClassify
global ucnaZbirkaBesedil
global zbirkaBesedilPreverjanja
Txt2Bow = "D:/Txt2Bow.exe"
BowKMeans = "D:/BowKMeans.exe"
BowTrainBinSVM = "D:/BowTrainBinSVM.exe"
BowClassify = "D:/BowClassify.exe"
ucnaZbirkaBesedil = "D:/1.txt"
zbirkaBesedilPreverjanja = "D:/2.txt"
#Txt2Bow = knjiznica.lokacijaDatoteke("Lokacija programa Txt2Bow: ")
#BowKMeans = knjiznica.lokacijaDatoteke("Lokacija programa BowKMeans: ")
#BowTrainBinSVM = knjiznica.lokacijaDatoteke("Lokacija programa BowTrainBinSVM: ")
#BowClassify = knjiznica.lokacijaDatoteke("Lokacija programa BowClassify: ")
#ucnaZbirkaBesedil = knjiznica.lokacijaDatoteke("Lokacija besedilne datoteke za ucenje: ")
#zbirkaBesedilPreverjanja = knjiznica.lokacijaDatoteke("Lokacija besedilne datoteke za prevejanje: ")
def izgradnjaDatotecneStrukture():
global korenskaMapa
global statistikaMapa
global razbitiClanki
global tmpRezultati
global kcah
global konkretniClanki
korenskaMapa = knjiznica.najdiLokacijoMape(ucnaZbirkaBesedil)
korenskaMapa = knjiznica.ustvariNovoMapo(korenskaMapa)
korenskaMapa+="/"
statistikaMapa = korenskaMapa + "Statistika/"
razbitiClanki = korenskaMapa + "Razbiti_Clanki/"
tmpRezultati = korenskaMapa + "tmpFolder/"
kcah = korenskaMapa + "kcah/"
konkretniClanki = korenskaMapa + "konkretniClanki/"
os.mkdir(kcah)
os.mkdir(konkretniClanki)
os.mkdir(statistikaMapa)
os.mkdir(razbitiClanki)
os.mkdir(tmpRezultati)
def prviDel():
try:
ukaz = Txt2Bow + " -inlndoc:"+ucnaZbirkaBesedil+ " -o:"+statistikaMapa+"prvo.bow -stopword:none -stemmer:none -ngramlen:1"
os.system(ukaz)
print("\n\n Pretvorba v BOW uspesna.")
except:
print("\nUkaz se ni uspesno izvedel!")
def obdelavaPrvegaBesedila():
trenutniSeznamOznak = []
oznake = []
print("Obdelava dokumenta v postopku....\nLahko traja nekaj sekund...")
ucnoBesedilo = open(ucnaZbirkaBesedil,"r")
for vrsta in iter(ucnoBesedilo):
# Bedarija da posebej shranjujem oba dela... zna pridit kasneje prav
info, clanek = knjiznica.izlusciPosameznaDela(vrsta)
trenutniSeznamOznak, stevilkaClanka = knjiznica.infoObdelava(info)
# Prehod skozi oznake, še vedno ista vrstica
for oz in trenutniSeznamOznak:
tmp = oznaka(oz,stevilkaClanka)
# Zacnem polniti ali pa preverjam ali je ze notri nek element in inkrementiram njegovo vrednost
oznake = knjiznica.dodajOznakoVBazo(oznake,tmp)
ucnoBesedilo.close()
oznake = knjiznica.sortiranje(oznake)
knjiznica.shraniStatistiko(oznake, statistikaMapa,"Statistika_Oznak_1")
knjiznica.izpis(N)
def drugiDel():
vpr = 1
print()
while (vpr == 1):
clust = input("Na koliko clustrov zelis razdeliti dokument: ")
# Ustvari datoteko za vsako število...
try:
tmpLokacija = statistikaMapa+clust+"_clustrov/"
os.mkdir(tmpLokacija)
os.chdir(tmpLokacija)
ukaz = BowKMeans + " -i:"+statistikaMapa+"prvo.bow -clusts:"+clust
os.system(ukaz)
except:
print("Na toliko clustrov se je ze razdelilo...")
odg = int(input("Zelis ponoviti razdelitev? \n0 == Ne\n1 == Da\nIzbira:"))
if (odg != 1):
break
knjiznica.izpis(N)
print("Clustriranje koncano...")
def bowClassifyUporaba(lokacijaUcenega, kategorija, jedro):
naslovRezultati = statistikaMapa + "Rezultati_" + kategorija + "_" + jedro + ".txt"
naslovRezultatiExcel = statistikaMapa + "Rezultati_" + kategorija + "_" + jedro + "_Excel.txt"
excel = open(naslovRezultatiExcel, "a+")
rezultati = open(naslovRezultati, "a+")
tmpNaslov = tmpRezultati + kategorija + "_" + jedro+"/"
os.mkdir(tmpNaslov)
prviBow = statistikaMapa+"prvo.bow"
# Istocasno ko obdelujem z BowC berem rezultate in jih shranjujem v skupno datoteko
# istočasno grem skozi datoteke x_i.txt, kjer pogleddam ali je kategorija znotraj niza...
for dokument in seznamDokumentov:
infoNaslov = kcah + dokument + "_i.txt"
infoDatoteka = open(infoNaslov,"r")
info = infoDatoteka.readline()
# Info del o posameznem clanku prebran!
aliJe = knjiznica.aliNizVsebujeNiz(info, kategorija)
infoDatoteka.close()
tmpDatoteka = tmpNaslov + dokument + "/"
os.mkdir(tmpDatoteka)
os.chdir(tmpDatoteka)
ukaz = BowClassify + " -ibow:" + prviBow + " -imd:" + lokacijaUcenega+" -qh:" + razbitiClanki + dokument + ".txt"
os.system(ukaz)
tmpInfo = "BowCfy.Txt"
tmp = open(tmpInfo, "r")
niz=tmp.readline()
stringOdg = " "
if (aliJe == 1):
stringOdg = "1 \t\t Vsebuje \t"
elif (aliJe == 0):
stringOdg = "0 \t\t Ne vsebuje \t"
string = stringOdg + dokument +":\t\t" + niz
string = knjiznica.oskubiBesedilo(string, kategorija)
string = knjiznica.dodajTabulator(string)
rezultati.write(string)
stringVejica = knjiznica.pikaVejica(string)
excel.write(stringVejica)
tmp.close()
excel.close()
rezultati.close()
knjiznica.zvok()
def uporabaKlasifikatorjev():
vpr = 1
while(vpr == 1):
print("BowClassify...")
kategorija = input("Kategorija: ")
kategorija = kategorija.upper()
jedro = input("Jedro [L... linerna P... polinomska]: ")
jedro = jedro.upper()
lokacijaUcenja = statistikaMapa +kategorija+"_"+jedro+"/prvo.bowmd"
print(lokacijaUcenja)
if(os.path.isfile(lokacijaUcenja)):
print("Klasifikator in vrsta jedra sta bila izvedena... BowClassify se lahko zazene")
bowClassifyUporaba(lokacijaUcenja, kategorija, jedro)
else:
print("Specificna klasifikacija ni bila izvedena!")
odg =input("Zelis ponoviti uporabo BowClassify? \n0 == Ne\n1 == Da\nIzbira:")
if (odg != "1"):
break
def obdelavaDrugegaBesedila():
trenutniSeznamOznak = []
# Seznam dokumentov drzi imena vseh dokumentov, ki jih mora kasneje BowClassify obdelati...
# Ko sm tolk butast resno :/ sam se eno dodatno txt datoteko ustvarjej za info shranjevat, pol pa po sami informaciji skač
global seznamDokumentov
seznamDokumentov = []
oznake = []
print("Obdelava dokumenta v postopku....\nLahko traja nekaj sekund...")
ucnoBesedilo = open(zbirkaBesedilPreverjanja,"r")
for vrsta in iter(ucnoBesedilo):
info, clanek = knjiznica.izlusciPosameznaDela(vrsta)
trenutniSeznamOznak, stevilkaClanka = knjiznica.infoObdelava(info)
seznamDokumentov.append(stevilkaClanka)
# Prehod skozi oznake, še vedno ista vrstica
for oz in trenutniSeznamOznak:
tmp = oznaka(oz,stevilkaClanka)
# Zacnem polniti ali pa preverjam ali je ze notri nek element in inkrementiram njegovo vrednost
oznake = knjiznica.dodajOznakoVBazo(oznake,tmp)
# hashtag:PonosnNaIdejo :P
knjiznica.shraniPosamezenClanek(stevilkaClanka,clanek,razbitiClanki,0)
knjiznica.shraniPosamezenClanek(stevilkaClanka,info,kcah,1)
ucnoBesedilo.close()
oznake = knjiznica.sortiranje(oznake)
knjiznica.shraniStatistiko(oznake, statistikaMapa,"Statistika_Oznak_2")
global seznamKategorijDrugegaBesedila
seznamKategorijDrugegaBesedila = oznake
knjiznica.izpis(N)
'''
seznamKategorijDrugegaBesedila je seznam vseh objektov, ki so sestavljeni iz imena,
pogostosti pojavitve in seznamu dokumentov v katerem se nahajajo.
To uporabiš kasneje pri preverjanju ali nek dokument res je označen pod neko kategorijo ali ne...
'''
uporabaKlasifikatorjev()
def tretjiDel():
vpr = 1
while(vpr == 1):
odg = input("Prikazi podatke o pogostosti klasifikatorjev prvega dokumenta? [Y/N]")
odg = odg.upper()
if (odg == "Y"):
niz = statistikaMapa+"Statistika_Oznak_1.txt"
os.system(niz)
kategorija = input("Kategorija za klasifikacijo: ")
kategorija = kategorija.upper()
linPol = input("Linearna ali polinomska oblika jedra: [L... linerna P... polinomska]")
linPol = linPol.upper()
__tmpImeDatoteke = kategorija + "_" + linPol + "/"
tmpLokacija = statistikaMapa + __tmpImeDatoteke
try:
os.mkdir(tmpLokacija)
os.chdir(tmpLokacija)
if (linPol == "L"):
ukaz = BowTrainBinSVM + " -i:"+statistikaMapa+"prvo.bow -t:linear -o:"+tmpLokacija+"prvo.bowmd -cat:"+kategorija
else:
ukaz = BowTrainBinSVM + " -i:"+statistikaMapa+"prvo.bow -t:polynomial -ker_p:3 -o:"+tmpLokacija+"prvo.bowmd -cat:"+kategorija
os.system(ukaz)
except:
print("Ta klasifikacija je ze bila opravljena...")
odg =input("Zelis ponoviti klasificiranje? \n0 == Ne\n1 == Da\nIzbira:")
if (odg != "1"):
break
# Zakljucek ucenja razlicnih klasifikatorjev
# preverjanje nad drugim besedilom:
obdelavaDrugegaBesedila()
def bowClassifyUporabaNadClankom(lokacijaUcenja, kategorija, jedro, imeClanka, lokacijaZunanjiClanek):
tmpNaslov = konkretniClanki + imeClanka + "_" + kategorija + "_" + jedro + "/"
os.mkdir(tmpNaslov)
os.chdir(tmpNaslov)
ukaz = BowClassify + " -ibow:" + statistikaMapa + "prvo.bow -imd:" + lokacijaUcenja+" -qh:" + lokacijaZunanjiClanek
os.system(ukaz)
def zunanjiClanek():
vpr = 1
knjiznica.izpis(N)
print("'Za vsako od uporabljenih štirih kategorij poiščite na internetu po eno besedilo, ki ga klasifikator za tisto kategorijo napove kot pozitiven primer.'")
print("Pregled zunanjih clankov. Ustvarite datoteko[format .txt], ki vsebuje besedilo clanka.")
print("Nato sledite navodilom...")
knjiznica.izpis(N)
while(vpr == 1):
lokacijaZunanjiClanek = knjiznica.lokacijaDatoteke("Lokacija clanka: ")
imeClanka = input("Poimenovanje clanka: ")
kategorija = input("Kategorija: ")
kategorija = kategorija.upper()
jedro = input("Jedro [L... linerna P... polinomska]: ")
jedro = jedro.upper()
lokacijaUcenja = statistikaMapa +kategorija+"_"+jedro+"/prvo.bowmd"
if(os.path.isfile(lokacijaUcenja)):
print("Klasifikator in vrsta jedra sta bila izvedena... BowClassify se lahko zazene")
bowClassifyUporabaNadClankom(lokacijaUcenja, kategorija, jedro, imeClanka, lokacijaZunanjiClanek)
else:
print("Specificna klasifikacija ni bila izvedena!")
odg =input("Zelis ponoviti ukaz? \n0 == Ne\n1 == Da\nIzbira:")
if (odg != "1"):
break
def main():
uvod()
lokacijeProgramov()
izgradnjaDatotecneStrukture()
izpisDatotecneStrukture()
obdelavaPrvegaBesedila()
prviDel()
drugiDel()
tretjiDel()
zunanjiClanek()
if (__name__ == "__main__"):
main()