php-lsa/php-lsa.php at master · kokukuma/php-lsa · GitHub

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
<?php
class LSA
{

	// 共起行列の作成
	public static function gen_co_occurrence_matrix($dataset)
	{
		// keywordの抽出
		// 各data、各vector要素毎にまだ確認されていないキーワードかどうか確認する.
		$keywords   = array();
		foreach ($dataset as $row_key => $row_value) {
			foreach($row_value as $col_key => $value){
				if (!is_int(array_search($col_key,$keywords))) {
					array_push( $keywords , $col_key);
				}else {
				}
			}
		}

		// 共起行列の作成
		$matrix = array();
		foreach ($dataset as $row_key => $row_value) {
			//１つのdataにつき、1つのvectorを定義しなおす.
			$vector = array();

			//keywordがdataにあればその数を、なければゼロを保存する.
			foreach($keywords as $keyword){
				if (isset($row_value[$keyword])) {
					$vector[$keyword] = $row_value[$keyword];
				}else {
					$vector[$keyword] = 0;
				}
			}

			// できたvectorをmatrixに格納.
			$matrix[$row_key] = $vector;
		}

		return $matrix;
	}

	// 特異値分解
	public static function singular_value_decomposition($matrix, $rate)
	{
		// keywordの抽出
		// 各data、各vector要素毎にまだ確認されていないキーワードかどうか確認する.
		$keywords=array();
		foreach ($matrix as $row_key => $row_value) {
			foreach($row_value as $col_key => $value){
				if (!is_int(array_search($col_key,$keywords))) {
					array_push( $keywords , $col_key);
				}else {
				}
			}
		}

		// Eigenに渡す配列を作成
		$to_eigen_matrix = array();
		foreach ($matrix as $row_key => $vector) {
			$to_eigen_vector = array();
			foreach ($vector as $key => $value) {
				array_push($to_eigen_vector, $value);
			}
			array_push($to_eigen_matrix, $to_eigen_vector );
		}
		//var_dump($to_eigen_matrix);

		// Eigenを使い特異値分解をする。
		$result = Eigen_Singular_Value_Decomposition($matrix,$rate);

		// 返却するlsa_svdを作成
		$lsm = new lsm();
		$lsm->U = $result->U;
		$lsm->S = $result->S;
		$lsm->V = $result->V;
		$lsm->keywords = $keywords;

		// 返却するlsa_svd作成 LSM
		$i = 0;
		$j = 0;
		foreach ($matrix as $row_key => $vector) {
			foreach($keywords as $keyword){
				$vector[$keyword] = $result->LSM[$i][$j];
				$j++;
			}
			$matrix[$row_key] = $vector;
			$i++;
			$j=0;
		}
		$lsm->LSM = $matrix;

		return $lsm;
	}
	// 特徴ベクトルの生成
	public static function gen_feature_vector($vector,$lsm)
	{
		// keywordの抽出
		// 各data、各vector要素毎にまだ確認されていないキーワードかどうか確認する.
		$keywords=array();
		foreach ($lsm->LSM as $row_key => $row_value) {
			foreach($row_value as $col_key => $value){
				if (!is_int(array_search($col_key,$keywords))) {
					array_push( $keywords , $col_key);
				}else {
				}
			}
		}

		// keywordsに含まれない軸を排除する
		foreach($keywords as $keyword){
			if (isset($vector[$keyword])) {
				$to_eigen_vector[$keyword] = $vector[$keyword];
			}else {
				$to_eigen_vector[$keyword] = 0;
			}
		}

		// 特徴ベクトルを計算
		$res = Eigen_Feature_Vector($lsm->V,$lsm->S,$to_eigen_vector);

		return $res;


	}
	// 特徴ベクトルの生成
	public static function gen_feature_vector2($target,$co,$lsm)
	{
		// vectorを作成.
		$i=0;
		$to_eigen_vector  = array();
		foreach ($co as $key => $vector) {
			//var_dump($vector);
			if(empty($vector[$target]) || $vector[$target]==0){
				$to_eigen_vector[$i]=0;
			}else {
				$to_eigen_vector[$i]=$vector[$target];
			}
			$i++;
		}


		// 特徴ベクトルを計算
		$res = Eigen_Feature_Vector($lsm->U,$lsm->S,$to_eigen_vector);

		return $res;


	}
	// cosの計算
	public static function cos($feature_vector1,$feature_vector2)
	{
      //--------------------- Eigen_COS
      $cos = Eigen_COS($feature_vector1, $feature_vector2);
	  return $cos;
	}

}
class lsm
{
	var $U = array();
	var $S = array();
	var $V = array();
	var $LSM = array();
	var $keywords = array();
}


?>