def Atualiza_Dict_Termos_especiais(inicializar=False): ''' Atualiza o Dicionario de Termos Especiais. :parametro inicializar: inicializa o Dicionário de Termos Especiais, False como Padrão. ''' arq = Arquivo() termos_especiais = {} def __Inicializa_Dict(): aux = [ 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z' ] for i in aux: termos_especiais.update({i: None}) if inicializar: __Inicializa_Dict() t = arq.Carregar_Arquivo_UTF8( 'arquivos/data/lsa/termos_vulnerabilidade_risco_social.txt') lista, count = [], 0 for key in termos_especiais.keys(): for item in t: inicial = item[0] if inicial == key: count += 1 lista.append(item) if len(lista) == 0: termos_especiais[key] = None else: termos_especiais[key] = lista.copy() lista.clear() with open('arquivos/data/lsa/termos_especiais.json', 'w', encoding='utf-8') as json_file: json.dump(termos_especiais, json_file, indent=4, ensure_ascii=False) print( '>> Método: Atualiza_Dict_Termos_especiais <<\nType: %s Arquivo: \'%s\' Tamanho: %i' % (type(termos_especiais), 'arquivos/data/lsa/termos_especiais.json', count))
class Selector(): def __init__(self): self.arq = Arquivo() self.consulta = Conexao() self.Run() def Run(self): terminal.Mensagem('Iniciando em Seletor', 'd') print('Informe o tipo de Consulta: C - COMPLETA | A - ATUALIZAÇÃO: \t', end='') tipo = str(input()) print('Informe a Data INICIAL para a Consulta [YYYY-MM-DD]: \t', end='') data_inicio = str(input()) print('Informe a Data FINAL para a Consulta [YYYY-MM-DD]: \t', end='') data_final = str(input()) self.select(tipo, data_inicio, data_final) # RETORNA A BASE DE TWEETS SELECIONADOS, CONFORME AS PALAVRAS ESCOLHIDAS def select(self, tipo, data_inicio, data_final): ''' parametro tipo de consulta: informe C - COMPLETA | A - ATUALIZAÇÃO ''' keywords = self.arq.Carregar_Arquivo_UTF8( 'arquivos/stem_termos.txt' ) #palavras chave vulnerabilidade e risco sociais lista_aux = self.arq.Carregar_Arquivo('arquivos/ids_selecionados.txt') id_final = lista_aux[-1] if (len(lista_aux) == 0): tipo = 'C' if tipo.upper() == 'C': quant_tweet = self.consulta.consulta_base(keywords, 'COMPLETA') else: quant_tweet = self.consulta.consulta_base( keywords, query= " AND (id > %s) AND (datetime BETWEEN '%s 00:00:00.000000' AND '%s 23:59:59.999999')" % (id_final, data_inicio, data_final)) terminal.Mensagem('%i Tweets Selecionados com Sucesso!' % quant_tweet, 'ok')
class Gerenciador_BagOfWords(): def __init__(self): self.nome_arq_controle = 'arquivos/data/bow/arq_controle.json' self.arq_controle = None self.arq = Arquivo() self.bow = BagOfWords() self.vocabulario = None self.freq_vocabulario = None self.tweets = [] self.tweets_limpos = [] self.wc = WCloud() self.Run() def Inicializar_arq_controle(self): lista = [ 'atualizacao_data', 'atualizacao_hora', 'has_lista_vocabulario', 'lista_vocabulario_nome', 'has_dict_freq_vocabulario', 'dict_freq_vocabulario_nome', 'total_tweets', 'total_vocabulos', 'has_lista_tweets_limpos', 'lista_tweets_limpos_nome' ] dicio = {} for i in lista: dicio.update({i: None}) self.Gravar_arq_JSON(self.nome_arq_controle, dicio) def Gravar_arq_JSON(self, nome_arquivo, arquivo): with open(nome_arquivo, 'w') as json_file: json.dump(arquivo, json_file, indent=4, ensure_ascii=False) def Carregar_arq_JSON(self, nome_arquivo): with open(nome_arquivo, 'r', encoding='utf8') as json_file: dados = json.load(json_file) return dados def Atualiza_arq_JSON(self, key, value): self.arq_controle.update({key: value}) self.Gravar_arq_JSON(self.nome_arq_controle, self.arq_controle) def Carregar_atualizacao(self): try: self.arq_controle = self.Carregar_arq_JSON(self.nome_arq_controle) terminal.Mensagem('arq_controle carregado com Sucesso!', 'ok') except Exception as identifier: terminal.Mensagem(str(identifier), 'e') try: self.vocabulario = self.arq.Carregar_Arquivo_UTF8( self.arq_controle['lista_vocabulario_nome']) terminal.Mensagem('vocabulario carregado com Sucesso!', 'ok') except Exception as identifier: terminal.Mensagem(str(identifier), 'e') try: self.freq_vocabulario = self.Carregar_arq_JSON( self.arq_controle['dict_freq_vocabulario_nome']) terminal.Mensagem('freq_vocabulario carregado com Sucesso!', 'ok') except Exception as identifier: terminal.Mensagem(str(identifier), 'e') try: self.tweets_limpos = self.Carregar_PKL( self.arq_controle['lista_tweets_limpos_nome']) terminal.Mensagem('lista_tweets_limpos carregado com Sucesso!', 'ok') except Exception as identifier: terminal.Mensagem(str(identifier), 'e') def __WordCloud(self): try: self.wc.Build_Nuvem_Palavras(self.tweets_limpos) terminal.Mensagem('WordClound Gerado com Sucesso!', 'ok') except Exception as identifier: terminal.Mensagem(str(identifier), 'e') def Gravar_PKL(self, arquivo, nome_arquivo): output = open(nome_arquivo, 'wb') dump(arquivo, output, -1) output.close() def Carregar_PKL(self, nome_arquivo): Input = open(nome_arquivo, 'rb') dados = load(Input) Input.close() return dados def __BOW(self): if len(self.tweets) == 0: conn = pymysql.connect("localhost", "root", "", "tw") c = conn.cursor() query = "SELECT tweet FROM selecionados_notrt_tb" c.execute(query) while True: res = c.fetchall() if not res: break for result in res: self.tweets.append(result[0]) tam = 1000 x = int(len(self.tweets) / tam) + 1 for i in range(x): if i < x: self.tweets_limpos.append( self.bow.Construtor_Vocabulario(self.tweets[tam * i:tam * (i + 1)])) else: self.tweets_limpos.append( self.bow.Construtor_Vocabulario(self.tweets[tam * i:])) def normalizar_lista(lista_tweets): i = 0 aux = [] for i in range(len(lista_tweets)): j = 0 for t in lista_tweets[i][0][j]: aux.append(t) j += 1 return aux self.tweets_limpos = normalizar_lista(self.tweets_limpos) self.Atualiza_arq_JSON('lista_tweets_limpos_nome', 'arquivos/data/bow/lista_tweets_limpos.pkl') self.Gravar_PKL(self.tweets_limpos, self.arq_controle['lista_tweets_limpos_nome']) self.Atualiza_arq_JSON('has_lista_tweets_limpos', True) self.Atualiza_arq_JSON('total_tweets', len(self.tweets)) self.Atualiza_arq_JSON('total_vocabulos', len(self.vocabulario)) self.Atualiza_arq_JSON('has_lista_vocabulario', True) self.Atualiza_arq_JSON('lista_vocabulario_nome', 'arquivos/data/bow/vocabulario.txt') self.arq.Gravar_Arquivo(self.bow.vocabulario, self.arq_controle['lista_vocabulario_nome']) for sent in self.tweets_limpos: vetor = self.bow.Vetor(sent) self.bow.Verifica_Freq_Vocabulario(vetor) self.Atualiza_arq_JSON('has_dict_freq_vocabulario', True) self.Atualiza_arq_JSON('dict_freq_vocabulario_nome', 'arquivos/data/bow/freq_vocabulario.json') self.Gravar_arq_JSON(self.arq_controle['dict_freq_vocabulario_nome'], self.bow.freq_vocabulario) fim = time.time() data = time.strftime("%d-%m-%Y", time.localtime(fim)) hora = time.strftime("%H:%M:%S", time.localtime(fim)) self.Atualiza_arq_JSON('atualizacao_data', data) self.Atualiza_arq_JSON('atualizacao_hora', hora) self.__WordCloud() def Run(self): resposta = '' self.Carregar_atualizacao() if self.arq_controle == None: self.Inicializar_arq_controle() else: terminal.Mensagem( 'Arquivos Atualizados em %s às %s:\nTotal de Tweets: %i\nTotal de Vocábulos: %i\nDeseja atualizar o Bag Of Words?[S/N]' % (self.arq_controle['atualizacao_data'], self.arq_controle['atualizacao_hora'], self.arq_controle['total_tweets'], self.arq_controle['total_vocabulos']), 'w') resposta = str(input()).upper() if resposta == 'S': self.tweets_limpos.clear() self.__BOW() elif resposta == 'N': terminal.Mensagem( 'Deseja gerar WordCloud com o arquivo existente?[S/N]', 'w') option = str(input()).upper() if option == 'S': self.__WordCloud() else: return False else: terminal.Mensagem('Resposta Inválida! Informe [S/N].', 'w') return False
class Gerenciador_TF_IDF(): def __init__(self): self.tfidf = TF_IDF() self.arq = Arquivo() self.tweets = [] self.nome_arq_controle = 'arquivos/data/tf-idf/arq_controle.json' self.arq_controle = None self.vetor_tfidf = None self.feature_names = None self.Run() def Inicializar_arq_controle(self): lista = [ 'atualizacao_data', 'atualizacao_hora', 'has_vetor_tfidf', 'vetor_tfidf_nome', 'has_feature_names', 'feature_names_nome' ] dicio = {} for i in lista: dicio.update({i: None}) self.Gravar_arq_JSON(self.nome_arq_controle, dicio) def Gravar_arq_JSON(self, nome_arquivo, arquivo): with open(nome_arquivo, 'w') as json_file: json.dump(arquivo, json_file, indent=4, ensure_ascii=False) def Carregar_arq_JSON(self, nome_arquivo): with open(nome_arquivo, 'r', encoding='utf8') as json_file: dados = json.load(json_file) return dados def Atualiza_arq_JSON(self, key, value): self.arq_controle.update({key: value}) self.Gravar_arq_JSON(self.nome_arq_controle, self.arq_controle) def Carregar_PKL(self, nome_arquivo): Input = open(nome_arquivo, 'rb') dados = load(Input) Input.close() return dados def __agregarlistas(self, lista): result = [] aux = [] if type(lista) == list: for item in lista: if type(item) == list: aux = self.__agregarlistas(item) result = result + aux else: result.append(item) return result def Carregar_atualizacao(self): try: self.arq_controle = self.Carregar_arq_JSON(self.nome_arq_controle) terminal.Mensagem('arq_controle carregado com Sucesso!', 'ok') except Exception as identifier: terminal.Mensagem(str(identifier), 'e') try: self.vetor_tfidf = self.Carregar_PKL( self.arq_controle['vetor_tfidf_nome']) terminal.Mensagem('vetor_tfidf carregado com Sucesso!', 'ok') except Exception as identifier: terminal.Mensagem(str(identifier), 'e') try: self.feature_names = self.arq.Carregar_Arquivo_UTF8( self.arq_controle['feature_names_nome']) terminal.Mensagem('feature_names carregado com Sucesso!', 'ok') except Exception as identifier: terminal.Mensagem(str(identifier), 'e') def Run(self): def Executar_tfidf(): aux = [] aux = self.Carregar_PKL( 'arquivos/data/bow/lista_tweets_limpos.pkl') self.tweets = self.__agregarlistas(aux) self.tfidf.Gerar_Dados(self.tweets) self.Atualiza_arq_JSON('has_vetor_tfidf', True) self.Atualiza_arq_JSON('vetor_tfidf_nome', 'arquivos/data/tf-idf/vetor_tfidf.pkl') self.Atualiza_arq_JSON('has_feature_names', True) self.Atualiza_arq_JSON('feature_names_nome', 'arquivos/data/tf-idf/feature_names.txt') fim = time.time() data = time.strftime("%d-%m-%Y", time.localtime(fim)) hora = time.strftime("%H:%M:%S", time.localtime(fim)) self.Atualiza_arq_JSON('atualizacao_data', data) self.Atualiza_arq_JSON('atualizacao_hora', hora) resposta = '' res = '' self.Carregar_atualizacao() if self.arq_controle == None: self.Inicializar_arq_controle() elif not self.arq_controle['has_vetor_tfidf'] and not self.arq_controle[ 'has_feature_names']: Executar_tfidf() else: terminal.Mensagem( 'Arquivos Atualizados em %s às %s:\nDeseja atualizar o TF-IDF?[S/N]' % (self.arq_controle['atualizacao_data'], self.arq_controle['atualizacao_hora']), 'w') resposta = str(input()).upper() if resposta == 'S': Executar_tfidf() elif resposta == 'N': terminal.Mensagem('Deseja Visualizar o arquivo existente?[S/N]', 'w') res = str(input()).upper() if res == 'S': if self.arq_controle['has_vetor_tfidf'] and self.arq_controle[ 'has_feature_names']: row_label = [ 'Tweet %i' % i for i in range(len(self.tweets)) ] col_label = self.feature_names self.tfidf.Gerar_tabela(45, 5, 8, row_label, col_label, self.vetor_tfidf) else: Executar_tfidf() else: return False else: return False
class Latent_Semantic_Analysis: def __init__(self): self.arq = Arquivo() self.feature_tweet = {} self.termos_especiais = {} self.arquivo_controle = {} self.matriz_termos = self.Carregar_Matriz('matriz_termos') self.matriz_topicos = self.Carregar_Matriz('matriz_topicos') self.ids_tweets_feature_topicos = self.arq.Carregar_Arquivo('arquivos/data/lsa/_ids_tweets_feature_topicos.txt') self.feature_topicos = self.Carregar_feature_topicos() self.last_id_tweet = 0 self.TRUNCADO = 100 # CARREGAR TWEETS self.body = self.Carregar_PKL('arquivos/data/bow/lista_tweets_limpos.pkl')[609:] self._LSA_() def Carregar_feature_topicos(self): try: with open( 'arquivos/data/lsa/feature_topicos.json', 'r', encoding='utf8') as json_file: dados = json.load(json_file) return dados except Exception as identifier: terminal.Mensagem('Erro [%s]: Não foi possível carregar o arquivo.'%identifier, 'e') def Carregar_PKL(self, nome_arquivo): try: Input = open(nome_arquivo, 'rb') dados = load(Input) Input.close() return dados except Exception as identifier: terminal.Mensagem('Erro [%s]: Não foi possível carregar o arquivo.'%identifier, 'e') def Gravar_PKL(self, arquivo, nome_arquivo): output = open(nome_arquivo, 'wb') dump(arquivo, output, -1) output.close() def carregar_arq_controle(self): try: with open('arquivos/data/lsa/arq_controle_lsa.json', 'r', encoding='utf8') as json_file: self.arquivo_controle = json.load(json_file) terminal.Mensagem('arquivo_controle_lsa carregado com sucesso!', 'ok') except Exception as identifier: terminal.Mensagem('Erro %s ao carregar o arquivo.'%(identifier), 'e') def carregar_feature_tweet(self): self.carregar_arq_controle() if self.arquivo_controle['has_feature_tweet']: with open( 'arquivos/data/lsa/feature_tweet.json' , 'r', encoding='utf8') as json_file: self.feature_tweet = json.load(json_file) terminal.Mensagem('feature_tweet carregado com sucesso!', 'ok') def Carregar_Matriz(self, nome_matriz='matriz_termos ou matriz_topicos'): nome = nome_matriz.lower() if nome == 'matriz_termos' or nome == None: nome_arquivo = 'arquivos/data/lsa/matriz_termos.pkl' elif nome == 'matriz_topicos': nome_arquivo = 'arquivos/data/lsa/matriz_topicos.pkl' try: matriz_T = self.Carregar_PKL(nome_arquivo) return matriz_T except Exception as identifier: terminal.Mensagem('Erro [%s]: Não foi possível carregar o arquivo \'%s\'.'%(identifier, nome_arquivo), 'e') def gravar_feature_tweet(self, tipo_gravacao='w'): with open('arquivos/data/lsa/feature_tweet.json', tipo_gravacao, encoding='utf-8') as json_file: json.dump(self.feature_tweet, json_file, indent=4, ensure_ascii=False) def Atualiza_arquivo_controle(self, key, value): self.arquivo_controle.update({key: value}) with open('arquivos/data/lsa/arq_controle_lsa.json', 'w') as json_file: json.dump(self.arquivo_controle, json_file, indent=4, ensure_ascii=False) def _LSA_(self): inicio = time.time() terminal.Mensagem('Iniciando em Análise Semântica Latente', 'd') print('0 - Análise Semântica Latente Completa\n1 - Cálculo de Relevância dos tweets\n2 - Seleção de tweets com Maior Relevância\n\t> Informe o que deseja fazer: ',end='') _tipo_ = str(input()) if _tipo_ == '0': resposta = 'S' self.carregar_arq_controle() if self.arquivo_controle['atualizacao_data'] != None: terminal.Mensagem('Arquivos Atualizados em %s às %s. Deseja atualizar a LSA?[S/N]' %(self.arquivo_controle['atualizacao_data'], self.arquivo_controle['atualizacao_hora']),'w') resposta = str(input()).upper() if resposta == 'S': # DEFINIR STOPWORDS stw = [] stopword = stopwords.words('portuguese') outras_palavras = self.arq.Carregar_Arquivo_UTF8('arquivos/data/lsa/limpeza_feature_names.txt') [stw.append(s) for s in stopword] [stw.append(s) for s in outras_palavras] # CARREGAR LISTA DE TERMOS REFERENTES A VULNERABILIDADE E RISCO with open('arquivos/data/lsa/termos_especiais.json', 'r', encoding='utf8') as json_file: self.termos_especiais = json.load(json_file) pa.Atualiza_Dict_Termos_especiais(True) # VETOR TFIDF / BOW vetor = TfidfVectorizer(min_df=1,stop_words=stw) bag_of_words = vetor.fit_transform(self.body) print(bag_of_words.shape) LISTA_TRUNCADO = [x for x in range(self.TRUNCADO)] # DEFINIR COLUNAS E TRUNCAR O VETOR TFIDF / BOW ==> LSA - ANALISE SEMANTICA LATENTE svd = TruncatedSVD(n_components=self.TRUNCADO) #Truncar para X colunas lsa = svd.fit_transform(bag_of_words) def __matriz_topicos__(): topicos = pd.DataFrame(lsa, columns = LISTA_TRUNCADO) topicos['body'] = self.body print(topicos[['body', 0, 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]]) self.Gravar_PKL(topicos, 'arquivos/data/lsa/matriz_topicos.pkl') self.Atualiza_arquivo_controle('has_matriz_topicos', True) # DEFINIÇÃO DOS TOPICOS if self.arquivo_controle['has_matriz_topicos']: terminal.Mensagem('Arquivos Atualizados em %s às %s. Deseja atualizar a Matriz de Tópicos?[S/N]' %(self.arquivo_controle['atualizacao_data'], self.arquivo_controle['atualizacao_hora']),'w') resp = str(input()).upper() if resp == 'S': __matriz_topicos__() else: topicos = self.matriz_topicos else: __matriz_topicos__() # DICIONÁRIO DE PALAVRAS - PRODUTO DA LSA dicionario = vetor.get_feature_names() print('Imprimir dicionário? [S/N] ', end='') if input(str()).upper() == 'S': print(dicionario) print() # MATRIZ DE TERMOS - PRODUTO DA LSA if not self.arquivo_controle['has_matriz_termos']: matriz = pd.DataFrame(svd.components_, index=[LISTA_TRUNCADO], columns=dicionario).T self.Gravar_PKL(matriz, 'arquivos/data/lsa/matriz_termos.pkl') self.Atualiza_arquivo_controle('has_matriz_termos', True) print('Imprimir matriz_termos? [S/N] ', end='') if input(str()).upper() == 'S': print(self.Carregar_Matriz('matriz_termos')) print() print('Imprimir matriz_topicos? [S/N] ', end='') if input(str()).upper() == 'S': print(self.Carregar_Matriz('matriz_topicos')) print() self.last_id_tweet = self.arquivo_controle['last_id_tweet'] # VETOR AUXILIAR PARA TOPICOS DOS TERMOS aux_topic = [] maior, pos, aux = -1000.0, 0, 0 for item in self.matriz_termos.values: for j in item: if j > maior: maior = j aux = pos #aux = topico pos += 1 aux_topic.append([aux, maior]) pos, aux, maior = 0, 0, -1000.0 def Identificar_Topico(termo): term = termo.lower() achou = False pos = -1 for item in dicionario: pos += 1 if term == item: achou = True break if achou: return aux_topic[pos] else: return -1 def Identificar_Topico_Tweet(id_tweet): maior, pos, _top = -1000.0, 0, 0 res = [] for item in self.matriz_topicos.values[id_tweet]: if type(item) != str: if item > maior: maior = item # média das freq _top = pos #aux = topico pos += 1 res.append(_top) res.append(maior) return res def Verifica_Dicionario(tweet): count = 0 tweet = tweet.split() for tw in tweet: for item in dicionario: if tw == item: count += 1 return count def Verifica_Termos_Especiais_(tweet): import re caract = [r'\b\"', r'\"\b', r'\b\-', r'\b\'', r'\'\b', r'\“', r'\”', r'\.', r'\.\.\.', r'\,', r'\?', r'\!', r'\(', r'\)', r'\{', r'\}',r'\[',r'\]', r'\+', r'\*', r'\B\%' r'\b\"+', r'\B\"', r'\"\B', r'\%', r'\\', r'\/', r'\|', r'\<', r'\>', r'\=', r'\B\-', r'\b\‘', r'\B\‘', r'\b\`', r'\B\`', r'\b\ñ', r'\B\ñ', r'\b\º', r'\B\º', r'\b\ª', r'\B\ª', r'\b\_', r'\B\_', r'\b\;', r'\B\;', r'\b\^', r'\~', r'\b\è', r'\_', r'\–', r'\•', r'\#', r'\b\—', r'\B\—', r'\—', r'\°', r'\b\°', r'\B\°', r'\'', r'\B\'', r'\«', r'\b\«', r'\B\«', r'\&', r'\b\&', r'\B\&', r'\¬', r'\b\¬', r'\B\¬', r'\¨', r'\b\¨', r'\B\¨', r'\¢', r'\b\¢', r'\B\¢', r'\£', r'\b\£', r'\B\£' , r'\³', r'\b\³', r'\B\³', r'\³\b', r'\³\B', r'\²', r'\b\²', r'\B\²', r'\²\b', r'\²\B', r'\¹', r'\b\¹', r'\B\¹', r'\¹\b', r'\¹\B', r'\§', r'\b\§', r'\B\§', r'\b\·', r'\B\·', r'\·', r'\^', r'\B\^', r'\ö', r'\b\ö', r'\B\ö', r'\»', r'\b\»', r'\B\»', r'\@', r'\b\@', r'\B\@', r'\€', r'\b\€', r'\B\€', r'\÷', r'\b\÷', r'\B\÷',r'\å', r'\b\å', r'\B\å', r'\×', r'\b\×', r'\B\×', r'\¡', r'\b\¡', r'\B\¡', r'\¿', r'\b\¿', r'\B\¿', r'\´', r'\b\´', r'\B\´', r'\$', r'\b\$', r'\B\$', r'\¥', r'\b\¥', r'\B\¥', r'\¯', r'\b\¯', r'\B\¯'] espaco2 = re.compile(r'\b\s+') for item in caract: e = re.compile(item) tweet = re.sub(e, ' ', tweet) tweet = re.sub(espaco2, ' ', tweet) count = 0 tweet = tweet.split() for word in tweet: inicial = word[0] if self.termos_especiais[inicial] != None: for item in self.termos_especiais[inicial]: if word == item: count += 1 return count def feature_tweet_(lista, id_inicial): try: self.carregar_feature_tweet() except Exception as identifier: terminal.Mensagem('Erro %s Não foi possível acessar o arquivo.'%(identifier), 'e') try: contador = 0 pos = id_inicial -1 for tweet in lista: contador += 1 pos += 1 _palavras = len(tweet.split()) _id = pos _term = Verifica_Termos_Especiais_(tweet) _aux = Identificar_Topico_Tweet(_id) _topico = _aux[0] _word_dicionary = Verifica_Dicionario(tweet) _freq = _aux[1] self.feature_tweet.update({_id:{'words': _palavras, 'special_terms': _term, 'words_dicionary': _word_dicionary, 'topic': _topico, 'score': _freq}}) terminal.printProgressBar(contador,len(lista),length=50) self.Atualiza_arquivo_controle('has_lsa_tweet', True) self.gravar_feature_tweet('w') self.Atualiza_arquivo_controle('has_feature_tweet', True) except Exception as identifier: fim = time.time() duracao = fim - inicio terminal.Mensagem('Erro %s identificado na posição %i.'%(identifier, pos), 'e') terminal.Mensagem('Programa finalizado!\tDuração: %.3f seg'%(duracao),'ok') def Gerar_Grafico(): topicos = pd.DataFrame(matriz, index=['Tweet'], columns=dicionario).T print(topicos) fig, ax = plt.subplots() top_1 = matriz[0].values top_2 = matriz[1].values ax.scatter(top_1, top_2, alpha=0.3) ax.set_xlabel('Primeiro Topico') ax.set_ylabel('Segundo Topico') ax.axvline(linewidth=0.5) ax.axhline(linewidth=0.5) ax.legend() plt.show() # Produz Recurso de Tweets tamanho = self.last_id_tweet + 15000 if tamanho > len(self.body): tamanho = len(self.body) feature_tweet_(self.body[self.last_id_tweet: tamanho], self.last_id_tweet) self.Atualiza_arquivo_controle('last_id_tweet', tamanho) # Calcula Relevancia dos Tweets if self.arquivo_controle['has_lsa_tweet']: self.Calcular_Relevancia_Tweet() else: terminal.Mensagem('lsa_tweet não executado!', 'e') # Seleciona Tweets com maior Relevancia if self.arquivo_controle['has_calculo_relevancia_tweet']: self.Selecionar_Tweets_Relevancia('positive',0.5) else: terminal.Mensagem('calculo_relevancia_tweet não executado!', 'e') fim = time.time() data = time.strftime("%d-%m-%Y", time.localtime(fim)) hora = time.strftime("%H:%M:%S", time.localtime(fim)) self.Atualiza_arquivo_controle('atualizacao_data', data) self.Atualiza_arquivo_controle('atualizacao_hora', hora) duracao = fim - inicio terminal.Mensagem('Programa finalizado!\tDuração: %.3f seg'%(duracao),'ok') else: terminal.Mensagem('Desconectando...','d') return False elif _tipo_ == '1': self.Calcular_Relevancia_Tweet() elif _tipo_ == '2': self.Selecionar_Tweets_Relevancia('positive',0.5) else: terminal.Mensagem('Desconectando...','d') return False def Calcular_Relevancia_Tweet(self): self.carregar_feature_tweet() # Atribuição de relevância POSITIVA for key in self.feature_tweet.keys(): if self.feature_tweet[key]['special_terms'] > 0: term = (self.feature_tweet[key]['special_terms']) dc = (self.feature_tweet[key]['words_dicionary']) if dc != 0: imp = (term / dc) else: imp = -1 if imp >= 0.50: # grau de importancia do tweet com o tema (>=50% POSITIVO, menor que 50% NEUTRO, não possui palavras que tenha a ver com o tema NEGATIVO) self.feature_tweet[key].update({'relevance': 'POSITIVE'}) else: self.feature_tweet[key].update({'relevance': 'NEUTRO'}) else: # Atribuição de relevância NEGATIVA self.feature_tweet[key].update({'relevance': 'NEGATIVE'}) self.gravar_feature_tweet('w') self.Atualiza_arquivo_controle('has_calculo_relevancia_tweet', True) def Selecionar_Tweets_Relevancia(self, relevancia='POSITIVE', maior_score=0.0): self.carregar_feature_tweet() self.carregar_arq_controle() ''' PERGUNTAR SE DESEJA IMPRIMIR MATRIZ TERMOS E TOPICOS E DICIONARIO''' print('\tImprimir matriz_termos? [S/N] ', end='') if input(str()).upper() == 'S': print(self.Carregar_Matriz('matriz_termos')) print() print('\tImprimir matriz_topicos? [S/N] ', end='') if input(str()).upper() == 'S': print(self.Carregar_Matriz('matriz_topicos')) print() relevancia = relevancia.upper() encontrado = False status_relevancia = ['POSITIVE', 'NEGATIVE', 'NEUTRO'] def __run__(): score, posicao, termos, topico, palavras, dicio, importancia, tt = [], [], [], [], [], [], [], [] for key in self.feature_tweet.keys(): if self.feature_tweet[key]['relevance'] == relevancia and self.feature_tweet[key]['score'] >= maior_score: term = self.feature_tweet[key]['special_terms'] dc = self.feature_tweet[key]['words_dicionary'] if dc != 0: imp = (term / dc) else: imp = -1 score.append(self.feature_tweet[key]['score']) posicao.append(key) termos.append(term) topico.append(self.feature_tweet[key]['topic']) palavras.append(self.feature_tweet[key]['words']) dicio.append(dc) importancia.append(imp) print('\t> Tweets com Score maior que %.2f e com Relevancia \'%s\': %i / %i (%.2f)' %(maior_score, relevancia, len(posicao), len(self.feature_tweet), float(len(posicao)/len(self.feature_tweet)*100)) + '%') self.Atualiza_arquivo_controle('count_feature_topicos',len(posicao)) print() for item in posicao: # Imprime os Tweets tt.append(self.body[int(item)]) y = zip(posicao, topico, tt) topic_unique = [topico[0]] achou = False for t1 in topico: achou = False for t2 in topic_unique: if t1 == t2: achou = True if not achou: topic_unique.append(t1) topic_unique.sort() topicos_dict, aux, p1 = {}, {}, 0 for t0 in topic_unique: for t3 in topico: if t3 == t0: aux.update({posicao[p1]: self.feature_tweet[str(posicao[p1])]}) aux[posicao[p1]]['importancia'] = importancia[p1] aux[posicao[p1]]['tweet'] = tt[p1] topicos_dict.update({t3: aux.copy()}) p1 +=1 aux.clear() p1=0 if not self.arquivo_controle['has_feature_topicos']: with open('arquivos/data/lsa/feature_topicos.json', 'w', encoding='utf-8') as json_file: json.dump(topicos_dict, json_file, indent=4, ensure_ascii=False) self.arq.Gravar_Arquivo(posicao,'arquivos/data/lsa/_ids_tweets_feature_topicos.txt') self.Atualiza_arquivo_controle('has_feature_topicos',True) print('\tImprimir feature_topicos? [S/N] ', end='') if input(str()).upper() == 'S': tam =0 for t4 in topicos_dict.keys(): while tam < 10: for t5 in topicos_dict[t4].keys(): print('id: {:<8} score: {:<8,.5f} terms: {:<2} topic: {:<2} words: {:<4} words_dicionary: {:<2} importancia: {:<2,.2f}' .format(t5, topicos_dict[t4][t5]['score'], topicos_dict[t4][t5]['special_terms'], topicos_dict[t4][t5]['topic'], topicos_dict[t4][t5]['words'], topicos_dict[t4][t5]['words_dicionary'], topicos_dict[t4][t5]['importancia'])) tam +=1 print('...\t\t...\t\t...\n') tam =0 for t4 in topicos_dict.keys(): while tam < 10: for t5 in topicos_dict[t4].keys(): print('id: {:<6} Topic: {:<2} Tweet: {:<80}' .format(t5, topicos_dict[t4][t5]['topic'], topicos_dict[t4][t5]['tweet'])) tam +=1 print('\tImprimir relatorio_status_lsa_tweet? [S/N] ', end='') if input(str()).upper() == 'S': relt_topicos, tam_topic = [], 0 for t_u in topic_unique: tam_topic += len(topicos_dict[t_u]) relt_topicos.append([t_u, len(topicos_dict[t_u])]) print('* * * RELATÓRIO DE STATUS LSA FEATURE * * * ') for item in range(0,len(relt_topicos),4): if item <=len(relt_topicos)-4: print('Topic: {:<2} Qtde: {:<4} Topic: {:<2} Qtde: {:<4} Topic: {:<2} Qtde: {:<4} Topic: {:<2} Qtde: {:<4}' .format(relt_topicos[item][0], relt_topicos[item][1], relt_topicos[item+1][0], relt_topicos[item+1][1], relt_topicos[item+2][0], relt_topicos[item+2][1], relt_topicos[item+3][0], relt_topicos[item+3][1])) elif item == len(relt_topicos)-1: print('Topic: {:<2} Qtde: {:<4}'.format(relt_topicos[item][0], relt_topicos[item][1])) elif item == len(relt_topicos)-2: print('Topic: {:<2} Qtde: {:<4} Topic: {:<2} Qtde: {:<4}' .format(relt_topicos[item][0], relt_topicos[item][1], relt_topicos[item+1][0], relt_topicos[item+1][1])) else: print('Topic: {:<2} Qtde: {:<4} Topic: {:<2} Qtde: {:<4} Topic: {:<2} Qtde: {:<4}' .format(relt_topicos[item][0], relt_topicos[item][1], relt_topicos[item+1][0], relt_topicos[item+1][1], relt_topicos[item+2][0], relt_topicos[item+2][1])) print('\t > Total Tópicos: {:<2} Total Tweets: {:<4}'.format(len(topic_unique), tam_topic)) print('\n\tRealizar Etiquetagem <Treinamento> da Base de Tweets? [S/N] ', end='') if input(str()).upper() == 'S': pos, fim = 1, False for i in topic_unique: if i > self.arquivo_controle['topico_treinamento']: print('\t> Treino da Base topic_num: \"%i\" [%i de %i tópicos]'%(i, pos, len(topic_unique))) fim = self.Verifica_feature_topicos(i) if fim: return False pos += 1 print('\n\tImprimir Estimativa de Tweets com Vulnerabilidade TRUE? [S/N] ', end='') if input(str()).upper() == 'S': pa.Levantamento_Score_Vulnerabilidade() tweets_localizacao() def tweets_localizacao(): dicts, _ids_tweets_localizacao, aux_ids = {}, [], [] with open( 'arquivos/data/lsa/feature_topicos.json' , 'r', encoding='utf8') as json_file: dicts = json.load(json_file) for topico in dicts.keys(): for _id in dicts[topico].keys(): if dicts[topico][_id]['vulnerabilidade'] == 1.0: aux_ids.append(int(_id)) aux_ids.sort() for item in aux_ids: _ids_tweets_localizacao.append(str(item)) self.arq.Gravar_Arquivo(_ids_tweets_localizacao, 'arquivos/data/lsa/_ids_tweets_localizacao.txt') print('Arquivo _ids_tweets_localizacao.txt tamanho: %i'%len(_ids_tweets_localizacao)) # __MAIN__ for item in status_relevancia: if relevancia == item: encontrado = True if encontrado: __run__() else: terminal.Mensagem('Erro ao inserir o dado [RELEVANCE]: \'%s\'' % (relevancia), 'e') def Verifica_feature_topicos(self, _topic): _topic = str(_topic) _tweet, _id = [], [] clear = lambda: os.system('cls') def _retorna_tweet_topico(): for item in self.feature_topicos[_topic].keys(): if self.feature_topicos[_topic][item]['vulnerabilidade'] == None: _tweet.append(self.feature_topicos[_topic][item]['tweet']) _id.append(item) def _atualiza_feature_topicos_( _id, _key, _value): self.feature_topicos[_topic][_id].update({_key: _value}) with open('arquivos/data/lsa/feature_topicos.json', 'w', encoding='utf-8') as json_file: json.dump(self.feature_topicos, json_file, indent=4, ensure_ascii=False) def _aplica_regra_treino(identificador, tweet): print('\nTweet: %s'%tweet) print('O Tweet Apresenta Vulnerabilidade? [S/N] ', end='') chave = 'vulnerabilidade' if input(str()).upper() == 'S': valor = 1.0 else: valor = 0.0 _atualiza_feature_topicos_(identificador, chave, valor) clear() _retorna_tweet_topico() treino = int(len(_tweet)*0.6) ## Treino 60% da Base ## tw = _tweet.copy() ident = _id.copy() pos = 0 print('Deseja Continuar a Etiquetagem da Base? [S/N] ', end='') if input(str()).upper() == 'S': if len(tw) > 0: for item in tw: print('%i de %i Tweets - tópico: \"%s\" Id: %s'%(pos+1, len(tw), _topic, ident[pos])) _aplica_regra_treino(ident[pos], item) pos += 1 self.Atualiza_arquivo_controle('topico_treinamento', int(_topic)) pa.Atualiza_Recursos_Classificador() else: print('Etiquetagem atualizada! Não há mais tweets para etiquetar.\n') else: return True