<?php

// Este script seleciona amostras representativas de treino e de teste de cada cluster gerado

// Diretorio de entrada
$diretoriotarefas= "indexados/"; 

// Função para gerar treino e teste por clustering

function gerartreinoteste($matrizind, $listaclusters, $labels, $dirdestino)
{
  // Obter linha de cabecalho
  $mcabecalho=file("arquivosindexacao/headtokens.csv");
  $cabecalho = trim($mcabecalho[0]);
  $cabecalho = $cabecalho."\n";
  unset($mcabecalho);

  // Abrir arquivos de treino e teste

   $arqtreino= $dirdestino."treino.csv";
   $arqteste= $dirdestino."teste.csv";
   $rotulostreino = $dirdestino."ltreino.csv";
   $rotulosteste = $dirdestino."lteste.csv";

   $ftr= fopen($arqtreino,'w');
   $fte= fopen($arqteste,'w');
   $fltr= fopen($rotulostreino,'w');
   $flte=fopen($rotulosteste,'w');

   // Grava cabecalho

   fwrite($ftr,$cabecalho);
   fwrite($fte,$cabecalho);

  // Calcula numero de padroes
  $np= count($listaclusters);

  // Calcula número de clusters distintos

      $v=array_unique($listaclusters);
      $nclusters=count($v);
      
     
  // Ordena o vetor de clusters  

     asort($listaclusters);
     
     
  // Obtém os índices de cada padrão na lista dos clusters de cada padrao

  $h=array_keys($listaclusters);
  $listaclusters=array_values($listaclusters);
  
  $i=0;  

  // Para cada cluster distinto
  
  asort($v);
  
  foreach($v as $cluster)
  {
     $item = trim($cluster);
     
    
      $j=0;

      $vetindices=array();
//--------------------------------------------------------------
      $itemcluster=trim($listaclusters[$i]);
      
      while($i<$np && ($itemcluster==$item))
      {
          // Obtém o vetor correspondente na matriz indexada
         
          $vetindices[$j] = $h[$i];    
          $i= $i + 1;
          $j=$j + 1;
          if($i<$np)
          {
             $itemcluster=trim($listaclusters[$i]);
          }
      }
      // Sorteia os $ni indices de um cluster
       
      $ni=count($vetindices);
      
 //------------------------------------------------------------------     
      // Se há apenas um item no cluster, vai para o teste (ruído)
      // Se há mais de dois índices, sorteia 2/3. Se não sorteia só um índice

      if ($ni<2)
      {
        $nt=0;
        
        
           unset($vetindices[$nt]);
           $vetindices=array_values($vetindices);
               

      }
      else
      {
         
            $nt=round((2/3)*$ni);
         
      }
      for($k=0;$k<$nt;$k++)
      {
           
           // Sorteia valor um item da matriz
           $vs = array_rand($vetindices, 1);

         
     // Grava linha sorteada da matriz no treino

        $indv=$vetindices[$vs];

        
        $linha= str_replace(' ', ';', $matrizind[$indv]);
        $codigo=$labels[$indv];

        // Valor atual da nota=0 e vetor de características
        
              
        fwrite($ftr, $linha);
        fwrite($fltr, $codigo);

     // Remove a linha  do indice que foi sorteada da matriz para não ser sorteada de novo 

        unset($vetindices[$vs]);

     // Redefine os indices

        $vetindices=array_values($vetindices);
    

      }
      // Grava os padroes restantes no arquivo de teste
      
      
      foreach($vetindices as $indteste)
      {

        $linha= str_replace(' ', ';', $matrizind[$indteste]);
        $codigo=$labels[$indteste];

        fwrite($fte, $linha);
        fwrite($flte, $codigo);
      }
      
      unset($vetindices);
   

  }

      
fclose($ftr);
fclose($fte);
fclose($fltr);
fclose($flte);

unset($v);
}

// Para cada tarefa

// Entrar no diretorio 

$ponteiro1  = opendir($diretoriotarefas);


if (!(file_exists($diretoriotarefas)))
            {
              exit(1);
            }
// Para cada subdiretorio tarefas, verifique se diretorio da questao já foi indexado


while (($nometarefa = readdir($ponteiro1))) 
{
   
   if (($nometarefa<>".") && ($nometarefa<>".."))
   {
      $tarefa=trim($nometarefa);
      $arquivo= $diretoriotarefas.$tarefa."/matrizindexada_".$tarefa.".txt";
      $arqclusters=$diretoriotarefas.$tarefa."/clusters.txt";
      $arqrotulos=$diretoriotarefas.$tarefa."/$tarefa."."rlabel";


      // Geração de treino e teste por clustering
      $x= file_exists($arquivo);
      
      if (file_exists($arquivo) && file_exists($arqclusters))
      {
             
             $clusters=file($arqclusters);
             $matrizindexada=file($arquivo);
             $rotulos = file($arqrotulos);

             // Elimina linha que contém informações de número de linhas e de colunas e redefine os indices

             unset($matrizindexada[0]);
             $matrizindexada=array_values($matrizindexada);

             $dirresults=$diretoriotarefas.$tarefa."/";
             
             gerartreinoteste($matrizindexada, $clusters, $rotulos, $dirresults);

             // Destroi matrizes geradas

             unset($clusters);
             unset($matrizindexada);
             unset($rotulos);
      }

      
    }       
}

?>