[Corpusreader-svn] SF.net SVN: corpusreader:[214] trunk/corpusreader/src/main/R/specificites.R

[<syl...@us...>]

Revision: 214
          http://corpusreader.svn.sourceforge.net/corpusreader/?rev=214&view=rev
Author:   sylvainloiseau
Date:     2009-02-16 14:28:33 +0000 (Mon, 16 Feb 2009)

Log Message:
-----------
File moved into the textometrie project

Removed Paths:
-------------
    trunk/corpusreader/src/main/R/specificites.R

Deleted: trunk/corpusreader/src/main/R/specificites.R
===================================================================
--- trunk/corpusreader/src/main/R/specificites.R	2009-02-16 14:27:57 UTC (rev 213)
+++ trunk/corpusreader/src/main/R/specificites.R	2009-02-16 14:28:33 UTC (rev 214)
@@ -1,114 +0,0 @@
-specificites <- function(corpus, souscorpus) {
-    ## Sylvain Loiseau
-    ## 2006-2008
-    ## Dernière édition samedi 13 décembre 2008, 19:38:22 (UTC+0100)
-    ##
-    ## Indice de spécificité des formes d'un sous corpus par rapport à un corpus.
-    ## Mesurée par la formule hypergéométrique,
-    ## retourne un tableau :
-    ##   une ligne par forme du sous corpus
-    ##   en colonne : indice de spécificité, sous fréquence, fréquence.
-    ##   
-
-	## Les fréquences dans le corpus
-        if (class(corpus) == "data.frame") {
-            frequencesCorpus <- colSums(corpus);
-            print("Le corpus est un data frame");
-        } else {
-            frequencesCorpus = corpus;
-        }
-
-	print(paste("Nombre de variables dans le corpus : ", length(frequencesCorpus)));
-
-	## Un peu de nettoyage dans le sous corpus : on supprime
-        ## d'éventuelles forme ou partie sans aucune valeur
-        souscorpus <- souscorpus[,colSums(souscorpus) > 0];
-        souscorpus <- souscorpus[rowSums(souscorpus) > 0,];
-
-	## Les fréquences dans le sous-corpus
-	sousFrequences <- colSums(souscorpus); 
-
-        specificitesFrequencyLists(frequencesCorpus, sousFrequences);
-}
-
-specificitesFrequencyLists <- function(frequencesCorpus, sousFrequences) {
-        if (any(is.na(frequencesCorpus))) {
-          stop("Valeurs non numériques dans la liste des frequences du corpus.");
-        }
-        if (any(is.na(sousFrequences))) {
-          stop("Valeurs non numériques dans la liste des fréquences du sous corpus.");
-        }
-
-	## Nombre de formes à traiter
-        nbrFormes <- length(sousFrequences);
-	print(paste("Nombre de formes dans le sous corpus :", nbrFormes));
-
-	## On ne garde des frequences du corpus principal 
-	## que les variables qui sont dans le sous corpus
-	frequencesTotales <- frequencesCorpus[names(sousFrequences)] 
-	if (length(frequencesTotales) < nbrFormes) {
-	    warning("Attention : toutes les variables du sous corpus n'ont pas été trouvées dans le corpus.")
-	}
-        if (any(is.na(frequencesTotales))) {
-          na_index <- is.na(frequencesTotales);
-          print("NA :");
-          print(names(sousFrequences)[na_index]);
-          stop("NA in FrequencesTotales");
-        }
-
-        #frequencesTotales <- frequencesTotales[ !is.na(frequencesTotales) ];
-        #if (any(is.na(frequencesTotales))) {
-        #  stop("NA in frequencesTotales");
-        #}
-
-	## Nombre d'occurrences dans le corpus et son sous-corpus
-	longueurCorpus <- sum(frequencesCorpus)
-	longueurSousCorpus <- sum(sousFrequences)
-	print(paste("Longueur du corpus :", longueurCorpus));
-	print(paste("Longueur du sous corpus :", longueurSousCorpus));
-
-        ## Pour chaque fréquence totale, on calcule la différence entre la taille du corpus et cette fréquence
-        ## (nécessaire pour les fonctions phyper et dhyper)
-        longueurCorpusMoinsFrequencesTotales <- (longueurCorpus - frequencesTotales);
-        if (any(is.na(longueurCorpusMoinsFrequencesTotales))) {
-          stop("Valeurs non numériques dans la liste des fréquences complémentaires de chaque forme.");
-        }
-        # print(paste("Taille de corpus moins fréquence", length(longueurCorpusMoinsFrequencesTotales)));
-        # if (any(is.na(longueurCorpusMoinsFrequencesTotales))) {
-        #   stop("NA in longueurCorpusMoinsFrequencesTotales");
-        # }
-
-        ## on met dans un tableau "cumulative", pour chaque forme, la propabilité cumulée 
-        ## (phyper) correspondant à sa sous-fréquence dans le sous corpus compte tenu de sa 
-        ## fréquence absolue dans le corpus principal et des tailles des deux corpus.
-        ##
-	cumulative <- double(nbrFormes);
-	cumulative <- phyper(sousFrequences, frequencesTotales, longueurCorpusMoinsFrequencesTotales, longueurSousCorpus);
-        if (any(is.na(cumulative))) {
-          stop("NA in cumulative");
-        }
-	# cumulative[is.na(cumulative)] <- 0;
-
-        ## Si la fréquence cumulée est inférieure à 0.5, c'est qu'il y a *moins* d'occurrences 
-        ## que ne le laisserait prévoir le hasard, si la fréquence cumulée est supérieure à 0.5
-        ## c'est qu'il y a plus d'occurrences qu'il n'y aurait dû en avoir. On inverse donc les signes
-        ## pour prendre en compte cette différence.
-	specificiteIndex <-  double(nbrFormes);
-
-        # if (any(is.na(specificiteIndex))) {
-        #   stop("NA in specificiteIndex");
-        # }
-
-	# specificiteIndex[cumulative < 0.5] <- specificiteIndex[cumulative < 0.5];
-	specificiteIndex[cumulative >= 0.5] <- (1 - cumulative[cumulative >= 0.5]);
-
-        m <- matrix(
-            c(cumulative, sousFrequences, frequencesTotales), 
-            nrow = nbrFormes, 
-            ncol=3, 
-            dimnames = list(names(sousFrequences), c("Indice de spécificité", "Sous fréquence", "Fréquence totale"))
-            );
-	
-        sorted <- m[order(m[,1], decreasing=TRUE),];
-        return(sorted); 
-}


This was sent by the SourceForge.net collaborative development platform, the world's largest Open Source development site.