/
fonction_principale.py
230 lines (182 loc) · 6.6 KB
/
fonction_principale.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
## Import des librairies
#from fonctions_auxiliaires import liste_dossiers
from fonctions_ACP import *
from fonctions import *
import os
import pickle
import vecteur_depuis_texte as v_texte
import vecteur_depuis_liste_natures as v_natures
import vecteur_depuis_foret as v_foret
import kernels
from sklearn.manifold import TSNE
import matplotlib.pyplot as plt
import sklearn.cluster
from sklearn import metrics
from sklearn.cluster import KMeans
from sklearn.datasets import load_digits
from sklearn.decomposition import PCA
from sklearn.preprocessing import scale
from sklearn.cluster import AffinityPropagation
# from propre_TSNE import *
## Variables Globales
# A CORRIGER
#auteurs = liste_dossiers('./auteurs/')
auteurs = ['dominicfifield','fiona-harvey','julianborger','kim-willsher','larryelliott']
# auteurs = ['larryelliott','dominicfifield']
nb_auteurs = len(auteurs)
## Définition des paramètres par défaut
def accepte(article):
return True;
def plus_1000_char(article):
t = len(article)
return (t >= 1000 and (article.find('video') == -1))
## Fonction article to vecteur
poids_par_defaut = None
def vecteur_article(auteur, indice, poids = None, ):
return;
## Fonction qui charge un fichier
def charge_fichier(chemin, binaire = True):
fichier = ""
if binaire:
fichier = open(chemin, 'rb')
retour = pickle.load(fichier)
else:
fichier = open(chemin, encoding = 'utf-8')
retour = fichier.read()
fichier.close()
return retour;
# # Centre de débuggage
# chemin1 = './auteurs/dominicfifield/0.txt'
# fichier1 = charge_fichier(chemin1, binaire = False)
# print(fichier1)
#
# chemin2 = './forets/dominicfifield/0.txt'
# fichier2 = charge_fichier(chemin2)
# print(fichier2)
## Fonction principale
def fonction_principale(nb_articles_par_auteur = 50,liste_kernels = [], poids = {'vecteur_frequence_bigrammes_fin': 1,'vecteur_frequence_lettres_majuscule': 1, 'vecteur_frequence_premiere_lettre_majuscule': 1,'vecteur_frequence_bigrammes': 1, 'vecteur_frequence_premiere_lettre_minuscule': 1,'vecteur_frequence_longueur_mots': 1, 'vecteur_frequence_mots': 1, 'vecteur_frequence_lettres_minuscule': 1,'vecteur_frequence_voyelle': 1, 'vecteur_frequence_nature': 1, 'vecteur_frequence_ponctuation': 0,'vecteur_frequence_couples_aretes': 1, 'vecteur_frequence_noeuds':0, 'vecteur_struct_arbre': 0}, tsne = True, acp = True, kmeans = False, critere = plus_1000_char):
if type(nb_articles_par_auteur) == int:
nb_articles_par_auteur = [nb_articles_par_auteur]*nb_auteurs
tailles_vecteurs = []
X = []
nb_fonctions = 0
textes_pris = []
for auteur in range(len(auteurs)):
i = 0
nb_articles_pris = 0
while nb_articles_pris < nb_articles_par_auteur[auteur]:
texte = charge_texte(auteurs[auteur],i)
if critere(texte):
textes_pris.append((auteurs[auteur],i))
ind_fonction = 0
natures = charge_liste_natures(auteurs[auteur],i)
foret = charge_foret(auteurs[auteur],i)
ligne = []
type_fonctions = ['texte','natures','foret']
for t in type_fonctions:
fonctions = eval('dir(v_'+t+')')
for fonction in fonctions:
if fonction[:8] == 'vecteur_':
v = eval('v_'+t+'.'+fonction+'('+t+')')
if auteur == 0 and nb_articles_pris == 0:
tailles_vecteurs.append((fonction,len(v)))
nb_fonctions += 1
ligne += v
ind_fonction += 1
X.append(ligne)
nb_articles_pris += 1
print(auteur,nb_articles_pris,i)
i += 1
X = np.array(X)
n = len(X)
X_p = np.zeros((n,1))
ind = 0
i = 0
Gram = np.zeros((n,n))
for fonc,t in tailles_vecteurs:
X_f = X[:,ind:(ind+t)]
X_p = np.concatenate((X_p,(X_f*poids[fonc])),axis = 1)
G_f = X_f.dot(X_f.T)
f = open('./G/'+fonc+'.txt','wb')
pickle.dump(G_f,f)
f.close()
ind += t
G_f = reduire(G_f)
G_f = centrer(G_f)
G_f = reduire(G_f)
Gram += G_f*poids[fonc]
i += 1
G = {}
n = len(textes_pris)
ind_ker = 0
for ker in liste_kernels:
G[ker] = np.zeros((n,n))
for i in range(n):
print(ker,i)
foret1 = charge_foret(textes_pris[i][0],textes_pris[i][1])
for j in range(i+1):
foret2 = charge_foret(textes_pris[j][0],textes_pris[j][1])
G[ker][i,j] = G[ker][j,i] = eval('kernels.kernel_'+ker+'(foret1,foret2)')
ind_ker += 1
if acp:
X_acp = ACP(X)
if tsne:
modele = TSNE(n_components=2)
print(np.shape(X))
Y = modele.fit_transform(X_acp)
couleurs = ['b','r','g','y','k','m']
n = len(X)
plt.figure(figsize=(8,8))
for i in range(n):
plt.plot(Y[i,0], Y[i,1], '+', c = couleur(i, nb_articles_par_auteur, couleurs))
if kmeans:
X_kmeans = kmeans(X)
trace_ACP(X_acp,nb_articles_par_auteur)
return X_p,Gram
##
X,Gram = fonction_principale()
##
plt.figure()
plt.ion()
plt.jet()
f = open('./G/vecteur_frequence_noeuds.txt','rb')
G_f = pickle.load(f)
f.close()
G2 = reduire(G_f)
G3 = centrer(G2)
G4 = reduire(G3)
G5 = centrer(G_f)
G6 = reduire(G5)
ax = plt.matshow(G4)
##
print('Classificiation')
from sklearn.cluster import AgglomerativeClustering
from sklearn.cluster import SpectralClustering
from sklearn.cluster.bicluster import SpectralBiclustering
from sklearn.manifold import TSNE
# C1 = sklearn.cluster.AgglomerativeClustering(n_clusters=5, affinity='precomputed')
#
# R1 = C1.fit_predict(Gram)
#
n = len(Gram)
Di = np.reshape(np.diag(Gram),(n,1))
M = Di.dot(np.ones((1,n)))
D = M + M.T - 2*Gram
C2 = AffinityPropagation(affinity='precomputed')
C1 = KMeans(n_clusters = 5)
C3 = AgglomerativeClustering(n_clusters=5, affinity='precomputed',linkage='average')
C4 = SpectralClustering(n_clusters=5,affinity='precomputed')
C5 = SpectralBiclustering(n_clusters=(5,5))
R1 = C1.fit_predict(D)
R2 = C2.fit_predict(D)
R3 = C3.fit_predict(D)
R4 = C4.fit_predict(Gram +11)
R5 = C5.fit(D)
print(R4)
modèle = TSNE(n_components=2,metric='precomputed')
Trans = modèle.fit_transform(D)
G_ACP = ACP(Gram,precomputed=True)
trace_ACP(G_ACP,[10]*5)
##
import propre_TSNE as pt
r = pt.reduit_dim(np.array([[0,1],[1,0]]),np.array([[0,2],[2,0]]),1)