def contruir_corpus_experimento(self):
'''Contruye el dataset'''
c = Corpus()
if self.tamanio == 'BI':
busquedaInicial=leer_archivo(open(self.directorio+'bi.csv','r'), eliminar_primero=True)
clasificados = leer_archivo(open(self.directorio+'clasificados.csv', 'r'),eliminar_primero=True)
elif self.tamanio == 'Univ':
busquedaInicial=leer_archivo(open(self.directorio++'dataPapers.csv','r'), eliminar_primero=True)
clasificados = leer_archivo(open(self.directorio++'validacion.csv', 'r'),eliminar_primero=True)
conjuntoA=leer_archivo(open(self.directorio+'a.csv','r'),eliminar_primero=True)
conjuntoS=leer_archivo(open(self.directorio+'s.csv','r'),eliminar_primero=True)
conjuntoJ=leer_archivo(open(self.directorio+'j.csv','r'),eliminar_primero=True)
conjuntoO=leer_archivo(open(self.directorio+'o.csv','r'),eliminar_primero=True)
xmls = self.obtener_xmls()
#Archivos con los eid de los papers que van a conformar la red
##archivo_papers_red = dividir_archivo_fecha(open(self.directorio+'relevantes.csv'), open(self.directorio+'relevantesFecha.csv'), 2013)
archivo_papers_red = open(self.directorio+'bi.csv')
#Lista con los eid de los papers que van a conformar la red
lista_papers_red = leer_archivo(archivo_papers_red, eliminar_primero=True)
#Autores-papers de la red
dicci_contruir_red = obtener_autores(xmls, lista_papers_red)
#Aqué deberían estar todos los autores-papers del corpus
dicci_todos_autores_papers = obtener_autores(xmls, leer_archivo(open(self.directorio+'bi.csv'), eliminar_primero=True))
#c.construir_corpus(self.nombre_corpus, busquedaInicial, conjuntoA, conjuntoS, conjuntoJ, conjuntoO, clasificados,
# conjuntos_red=dicci_contruir_red, diccionario_todos_autores=dicci_todos_autores_papers)
c.construir_corpus(self.nombre_corpus, busquedaInicial, conjuntoA, conjuntoS, conjuntoJ, conjuntoO, clasificados)
def clasificar_docs(self):
c = Corpus()
clasificacion_ficticia = ['1']*len(self.clasificar)
#clasificados = leer_archivo(open(directorio+'validacion.csv', 'r'),eliminar_primero=True)
nombre_entrenamiento = self.unidad_academica+'CorpusTraining.csv'
nombre_prueba = self.unidad_academica+'CorpusTest.csv'
prueba = c.construir_corpus(nombre_prueba, self.clasificar, self.conjunto_a, self.conjunto_s, self.conjunto_j, self.conjunto_o,
clasificacion_ficticia)
nv = NaiveBayes(open(nombre_entrenamiento), open(nombre_prueba))
nv.medidas()
eids_relevantes = self.get_eids_relevantes(nv.clasificadosNB)
return eids_relevantes
