/**
* Funkce pro spočítání velikostí u všech vektorů
*/
private function generateSizes($ngramsArr)
{
$outputArr = array();
foreach ($ngramsArr as $key => $ngram) {
$outputArr[$key] = StringClass::getVectorSize($ngram);
}
return $outputArr;
}
/**
* Funkce, která projde finalArr a pokud jsou uvedené hodnoty pro A i B, tak mezi nimi najde identické a ty přesune do mappedValues
*/
private function mapValues($finalArr)
{
if (count($finalArr) > 0) {
foreach ($finalArr as $key => $arr) {
//projdeme cele finalArr
if (isset($arr['valuesA']) && isset($arr['valuesB'])) {
if (!count($arr['valuesA'] > 0) && count($arr['valuesB'] > 0)) {
continue;
}
//máme definované hodnoty pro A i B => můžeme je porovnávat
foreach ($arr['valuesA'] as $keyA => $valueA) {
$maxSimilarityValue = -1;
$maxSimilarityKey = '';
foreach ($arr['valuesB'] as $keyB => $valueB) {
$similarity = StringClass::similarity($this->valuesMapArr[$valueA], $this->valuesMapArr[$valueB]);
if ($similarity > $maxSimilarityValue) {
$maxSimilarityValue = $similarity;
$maxSimilarityKey = $keyB;
}
}
if ($maxSimilarityValue > 0) {
$valueA = $arr["valuesA"][$keyA];
$valueB = $arr["valuesB"][$maxSimilarityKey];
if (!@in_array($valueA, $finalArr[$key]['mappedValues'][$valueA])) {
//budeme to resit jen v okamziku, kdy nemame dany par v uzivatelem namapovanych hodnotach
if (!isset($finalArr[$key]['autoMappedValues'])) {
$finalArr[$key]['mappedValues'] = array();
}
$finalArr[$key]['autoMappedValues'][$valueA] = array($valueB);
}
}
}
/**/
}
}
}
return $finalArr;
}
/**
* Funkce pro zjištení podobnosti výčtových sloupců na základě trigramů
*/
private function matchTrigrams($column1, $column2, $coverage = false)
{
$colATrigramsArr = StringClass::getTrigramsArr($this->getValues($column1));
$col2name = (string) $column2->name . (isset($column2->formatName) ? '###' . (string) $column2->formatName : '');
if (!isset($this->xml2trigramsArr[$col2name])) {
//zatím nemáme určené trigramy pro sloupec ze druhého souboru
$this->xml2trigramsArr[$col2name] = StringClass::getTrigramsArr($this->getValues($column2));
$this->xml2trigramsSizeArr[$col2name] = StringClass::getVectorSize($this->xml2trigramsArr[$col2name]);
}
if ($coverage) {
return StringClass::getTrigramsCoverage($colATrigramsArr, StringClass::getVectorSize($colATrigramsArr), $this->xml2trigramsArr[$col2name], $this->xml2trigramsSizeArr[$col2name]);
} else {
return StringClass::getTrigramsSimilarity($colATrigramsArr, StringClass::getVectorSize($colATrigramsArr), $this->xml2trigramsArr[$col2name], $this->xml2trigramsSizeArr[$col2name]);
}
}
/**
* Funkce vracející hodnotu kosínovy míry podobnosti vektorů - pro pokrytí vektoru z PMML vektorem v BKEF
*/
public static function getTrigramsCoverage($arr1, $size1, $arr2, $size2)
{
if ($size1 == 0 || $size2 == 0) {
return 0;
}
return StringClass::getScalarProduct($arr1, $arr2) / ($size1 * $size1);
//NERESIT!
}
