155 lines
4.7 KiB
TypeScript
155 lines
4.7 KiB
TypeScript
const moji = require('moji');
|
||
|
||
const MeCab = require('./mecab');
|
||
import Post from '../../api/models/post';
|
||
import User from '../../api/models/user';
|
||
import parse from '../../api/common/text';
|
||
|
||
process.on('unhandledRejection', console.dir);
|
||
|
||
const stopwords = [
|
||
'ー',
|
||
|
||
'の', 'に', 'は', 'を', 'た', 'が', 'で', 'て', 'と', 'し', 'れ', 'さ',
|
||
'ある', 'いる', 'も', 'する', 'から', 'な', 'こと', 'として', 'い', 'や', 'れる',
|
||
'など', 'なっ', 'ない', 'この', 'ため', 'その', 'あっ', 'よう', 'また', 'もの',
|
||
'という', 'あり', 'まで', 'られ', 'なる', 'へ', 'か', 'だ', 'これ', 'によって',
|
||
'により', 'おり', 'より', 'による', 'ず', 'なり', 'られる', 'において', 'ば', 'なかっ',
|
||
'なく', 'しかし', 'について', 'せ', 'だっ', 'その後', 'できる', 'それ', 'う', 'ので',
|
||
'なお', 'のみ', 'でき', 'き', 'つ', 'における', 'および', 'いう', 'さらに', 'でも',
|
||
'ら', 'たり', 'その他', 'に関する', 'たち', 'ます', 'ん', 'なら', 'に対して', '特に',
|
||
'せる', '及び', 'これら', 'とき', 'では', 'にて', 'ほか', 'ながら', 'うち', 'そして',
|
||
'とともに', 'ただし', 'かつて', 'それぞれ', 'または', 'お', 'ほど', 'ものの', 'に対する',
|
||
'ほとんど', 'と共に', 'といった', 'です', 'とも', 'ところ', 'ここ', '感じ', '気持ち',
|
||
'あと', '自分',
|
||
|
||
'about', 'after', 'all', 'also', 'am', 'an', 'and', 'another', 'any', 'are', 'as', 'at', 'be',
|
||
'because', 'been', 'before', 'being', 'between', 'both', 'but', 'by', 'came', 'can',
|
||
'come', 'could', 'did', 'do', 'each', 'for', 'from', 'get', 'got', 'has', 'had',
|
||
'he', 'have', 'her', 'here', 'him', 'himself', 'his', 'how', 'if', 'in', 'into',
|
||
'is', 'it', 'like', 'make', 'many', 'me', 'might', 'more', 'most', 'much', 'must',
|
||
'my', 'never', 'now', 'of', 'on', 'only', 'or', 'other', 'our', 'out', 'over',
|
||
'said', 'same', 'see', 'should', 'since', 'some', 'still', 'such', 'take', 'than',
|
||
'that', 'the', 'their', 'them', 'then', 'there', 'these', 'they', 'this', 'those',
|
||
'through', 'to', 'too', 'under', 'up', 'very', 'was', 'way', 'we', 'well', 'were',
|
||
'what', 'where', 'which', 'while', 'who', 'with', 'would', 'you', 'your', 'a', 'i'
|
||
];
|
||
|
||
const mecab = new MeCab();
|
||
|
||
function tokenize(text: string) {
|
||
if (text == null) return [];
|
||
|
||
// パース
|
||
const ast = parse(text);
|
||
|
||
const plain = ast
|
||
// テキストのみ(URLなどを除外するという意)
|
||
.filter(t => t.type == 'text' || t.type == 'bold')
|
||
.map(t => t.content)
|
||
.join('');
|
||
|
||
const tokens = mecab.parseSync(plain)
|
||
// キーワードのみ
|
||
.filter(token => token[1] == '名詞' && (token[2] == '固有名詞' || token[2] == '一般'))
|
||
// 取り出し(&整形(全角を半角にしたり大文字を小文字で統一したり))
|
||
.map(token => moji(token[0]).convert('ZE', 'HE').convert('HK', 'ZK').toString().toLowerCase())
|
||
// ストップワードなど
|
||
.filter(word =>
|
||
stopwords.indexOf(word) === -1 &&
|
||
word.length > 1 &&
|
||
word.indexOf('！') === -1 &&
|
||
word.indexOf('!') === -1 &&
|
||
word.indexOf('？') === -1 &&
|
||
word.indexOf('?') === -1);
|
||
|
||
return tokens;
|
||
}
|
||
|
||
// Fetch all users
|
||
User.find({}, {
|
||
fields: {
|
||
_id: true
|
||
}
|
||
}).then(users => {
|
||
let i = -1;
|
||
|
||
const x = cb => {
|
||
if (++i == users.length) return cb();
|
||
extractKeywordsOne(users[i]._id).then(() => x(cb), err => {
|
||
console.error(err);
|
||
setTimeout(() => {
|
||
i--;
|
||
x(cb);
|
||
}, 1000);
|
||
});
|
||
};
|
||
|
||
x(() => {
|
||
console.log('complete');
|
||
});
|
||
});
|
||
|
||
function extractKeywordsOne(id) {
|
||
return new Promise(async (resolve, reject) => {
|
||
process.stdout.write(`extracting keywords of ${id} ...`);
|
||
|
||
// Fetch recent posts
|
||
const recentPosts = await Post.find({
|
||
user_id: id,
|
||
text: {
|
||
$exists: true
|
||
}
|
||
}, {
|
||
sort: {
|
||
_id: -1
|
||
},
|
||
limit: 10000,
|
||
fields: {
|
||
_id: false,
|
||
text: true
|
||
}
|
||
});
|
||
|
||
// 投稿が少なかったら中断
|
||
if (recentPosts.length < 300) {
|
||
process.stdout.write(' >>> -\n');
|
||
return resolve();
|
||
}
|
||
|
||
const keywords = {};
|
||
|
||
// Extract keywords from recent posts
|
||
recentPosts.forEach(post => {
|
||
const keywordsOfPost = tokenize(post.text);
|
||
|
||
keywordsOfPost.forEach(keyword => {
|
||
if (keywords[keyword]) {
|
||
keywords[keyword]++;
|
||
} else {
|
||
keywords[keyword] = 1;
|
||
}
|
||
});
|
||
});
|
||
|
||
// Sort keywords by frequency
|
||
const keywordsSorted = Object.keys(keywords).sort((a, b) => keywords[b] - keywords[a]);
|
||
|
||
// Lookup top 10 keywords
|
||
const topKeywords = keywordsSorted.slice(0, 10);
|
||
|
||
process.stdout.write(' >>> ' + topKeywords.join(', ') + '\n');
|
||
|
||
// Save
|
||
User.update({ _id: id }, {
|
||
$set: {
|
||
keywords: topKeywords
|
||
}
|
||
}).then(() => {
|
||
resolve();
|
||
}, err => {
|
||
reject(err);
|
||
});
|
||
});
|
||
}
|