def initialisation():
pm = Parsemail()#tain c quoi déja le truc pour écraser les méthodes??la surcharge, des constructeurs
listeDmail, listeDmailRaci = pm.parsemail()
fi = FichierIverse()
dicoInv, nbmotsdocs, nbmotCorpus =fi.fichInv(listeDmail)
dicoInvR, nbmotsdocsR, nbmotCorpusR = fi.fichInv(listeDmailRaci)
ti = TfIdf(False,dicoInv,nbmotsdocs,nbmotCorpus)
ti.calcul()
ti.serialisation()
ti2 =TfIdf(True, dicoInvR, nbmotsdocsR, nbmotCorpusR)#le true autorise la concaténation avec l'ancien dico
ti2.calcul()
ti2.serialisation()
def traitement_requete(self,requete):
dicoreq = {}
requete = requete.lower()
parse = Parsemail(False) #dans l'initialisation de parsmail la detection et le trie des noms de fichier des mails est inutile..
stoplist = parse.stopwords()
if self.flagRACI == True :
listmotreqRACI = (parse.tokenostop(requete, stoplist))[1]
listmotreq = (parse.tokenostop(requete, stoplist))[0]
else:
listmotreq = (parse.tokenostop(requete, stoplist))[0] #[0] pr le non racinisé
#on ne calcule que le tf, car idf = log( nbdedocuments / nbdedocu_contenantle_mot ) = log(1/1) = 0
"""
vérifier que le mot soit ds le grand dico...=>c'est vérifié, mais le tf est calculé avec la présence
du mot. Ceci dit, ca reste cohérent du coup.
"""
for mot in listmotreq:
if mot not in dicoreq:
dicoreq[mot] = float( 1 / len(listmotreq) ) #calcule le tf
else:
dicoreq[mot] += float( 1 / len(listmotreq) ) #update le tf si plusieurs * le mm mot ds la requète
if self.flagRACI == True :
for mot in listmotreqRACI:
if mot not in dicoreq:
dicoreq[mot] = (float( 1 / len(listmotreq) ) / self.poids )#calcule le tf
else:
dicoreq[mot] += (float( 1 / len(listmotreq) ) / self.poids ) #update le tf si plusieurs * le mm mot ds la requète
return dicoreq
