[CLEAN] Debug trace function.
[gargantext.git] / bin / gargantext-cli / Main.hs
index ecc96a325c2603bb6b68ffce8f7c61022b2e4df7..f6dc736c1cfe333f4b6599c801693830acafaf49 100644 (file)
@@ -22,25 +22,106 @@ Main specifications to index a corpus with a term list
 
 module Main where
 
+import Data.ByteString.Lazy (writeFile)
+
+import Data.Maybe (catMaybes)
+import Data.Text (pack)
+import qualified Data.Text as DT
+
+import Data.Tuple.Extra (both)
 import qualified Data.Vector as DV
+import qualified Data.Maybe  as DMaybe
 
 import Control.Monad (zipWithM)
 import Control.Monad.IO.Class
+
+import Data.Map (Map)
+import qualified Data.IntMap as DIM
+import qualified Data.Map    as DM
+
+import GHC.Generics
+import Data.Aeson
+
 import Data.Text (Text)
-import Data.List (cycle)
+import Data.List (cycle, concat, unwords)
+import Data.List.Split (chunksOf)
 import System.IO (hPutStr, hFlush, stderr)
 import System.Environment
 import Control.Concurrent.Async as CCA (mapConcurrently)
+import Control.Concurrent (getNumCapabilities, myThreadId, threadCapability)
+import Prelude ((>>))
 
 import Gargantext.Prelude
-import Gargantext.Text.Context
+import Gargantext.Core
+import Gargantext.Core.Types
 import Gargantext.Text.Terms
+import Gargantext.Text.Context
 import Gargantext.Text.Terms.WithList
-import Gargantext.Text.Parsers.CSV (readCsv, csv_title, csv_abstract)
+import Gargantext.Text.Parsers.CSV (readCsv, csv_title, csv_abstract, csv_publication_year)
 import Gargantext.Text.List.CSV (csvGraphTermList)
 import Gargantext.Text.Terms (terms)
-import Gargantext.Text.Metrics.Count (coocOn)
+import Gargantext.Text.Metrics.Count (coocOnContexts, Coocs)
+
+------------------------------------------------------------------------
+-- OUTPUT format
+
+data CoocByYear = CoocByYear { year         :: Int
+                             , nbContexts   :: NbContexts
+                             , coocurrences :: Map (Text, Text) Coocs
+                             } deriving (Show, Generic)
+
+data CoocByYears = CoocByYears { years :: [CoocByYear] }
+  deriving (Show, Generic)
+
+type NbContexts = Int
+
+instance ToJSON CoocByYear
+instance ToJSON CoocByYears
+------------------------------------------------------------------------
+
+filterTermsAndCooc
+  :: Patterns
+     -> (Int, [Text])
+     -> IO CoocByYear -- (Int, (Map (Text, Text) Coocs))
+filterTermsAndCooc patterns (year, ts) = do
+  log "start"
+  r <- coocOnContexts identity <$> mapM (\x -> {-log "work" >>-} terms' patterns x) ts
+  log "stop"
+  pure $ CoocByYear year (length ts) (DM.mapKeys (both DT.unwords) r)
+  where
+
+    log m = do
+      tid    <- myThreadId
+      (p, _) <- threadCapability tid
+      putStrLn . unwords $
+        ["filterTermsAndCooc:", m, show year, "on proc", show p]
+
+main :: IO ()
+main = do
+  [corpusFile, termListFile, outputFile] <- getArgs
+
+  --corpus :: IO (DM.IntMap [[Text]])
+  corpus <- DM.fromListWith (<>)
+                             . DV.toList
+                             . DV.map (\n -> (csv_publication_year n, [(csv_title n) <> " " <> (csv_abstract n)]))
+                             . snd
+                           <$> readCsv corpusFile
 
+  -- termListMap :: [Text]
+  termList <- csvGraphTermList termListFile
+
+  putStrLn $ show $ length termList
+
+  let patterns = buildPatterns termList
+
+  -- r <- mapConcurrentlyChunked (filterTermsAndCooc patterns) (DM.toList corpus)
+  r <-  mapConcurrently (filterTermsAndCooc patterns) (DM.toList corpus)
+  writeFile outputFile $ encode (CoocByYears r)
+
+
+
+------------------------------------------------------------------------
+-- | Tools
 mapMP :: MonadIO m => (a -> m b) -> [a] -> m [b]
 mapMP f xs = do
     bs <- zipWithM g (cycle "-\\|/") xs
@@ -52,26 +133,34 @@ mapMP f xs = do
       liftIO $ hFlush  stderr
       f x
 
-main :: IO ()
-main = do
-  [corpusFile, termListFile, outputFile] <- getArgs
+-- | Optimi that need further developments (not used yet)
+mapConcurrentlyChunked :: (a -> IO b) -> [a] -> IO [b]
+mapConcurrentlyChunked f ts = do
+  caps <- getNumCapabilities
+  let n = 1 `max` (length ts `div` caps)
+  concat <$> mapConcurrently (mapM f) (chunksOf n ts)
 
-  -- corpus :: [Text]
-  corpus <- DV.toList <$> map (\n -> (csv_title n) <> " " <> (csv_abstract n))
-                      <$> snd
-                      <$> readCsv corpusFile
-  
-  putStrLn $ show $ length corpus
-  -- termListMap :: [Text]
-  termList <- csvGraphTermList termListFile
-  
-  putStrLn $ show $ length termList
 
-  let patterns = WithList $ buildPatterns termList
-  --corpusIndexed <- mapMP (terms patterns) corpus
-  corpusIndexed <- mapConcurrently (terms patterns) corpus
-  mapM (putStrLn . show) corpusIndexed
-  let myCooc = coocOn identity corpusIndexed
+--terms' :: Patterns -> Text -> Corpus [[Text]]
+terms' pats txt = pure $ concat $ extractTermsWithList pats txt
+
+
+-- | TODO Minimal Example
+--testCooc = do
+--  let patterns = buildPatterns testTermList
+--  mapM (\x -> {-log "work" >>-} terms' patterns x) $ catMaybes $ map (head . snd) testCorpus
+--  --mapConcurrently (filterTermsAndCooc patterns) testCorpus
+
+
+testCorpus :: [(Int, [Text])]
+testCorpus = [ (1998, [pack "The beees"])
+             , (1999, [ pack "The bees and the flowers" 
+                      --, pack "The bees and the flowers" 
+                      ])
+             ]
+
+testTermList :: TermList
+testTermList = [ ([pack "bee"], [[pack "bees"]])
+               , ([pack "flower"], [[pack "flowers"]])
+               ]
 
-  putStrLn $ show myCooc
-  --writeFile outputFile cooc