perl-Statistics-MaxEntropy.spec

   1 #
   2 # Conditional build:
   3 %bcond_without  tests   # do not perform "make test"
   4
   5 %define         pdir    Statistics
   6 %define         pnam    MaxEntropy
   7 %include        /usr/lib/rpm/macros.perl
   8 Summary:        MaxEntropy - Perl5 module for Maximum Entropy Modeling and Feature Induction
   9 Summary(pl.UTF-8):      MaxEntropy - moduł do modelowania największej entropii i indukcji cech
  10 Name:           perl-Statistics-MaxEntropy
  11 Version:        0.9
  12 Release:        15
  13 License:        GPL v2+
  14 Group:          Development/Languages/Perl
  15 Source0:        http://www.cpan.org/modules/by-module/%{pdir}/%{pdir}-%{pnam}-%{version}.tar.gz
  16 # Source0-md5:  b1f7972596653b423e5d65fc7e29f2ee
  17 Patch0:         %{name}-paths.patch
  18 URL:            http://search.cpan.org/dist/Statistics-MaxEntropy/
  19 BuildRequires:  perl-devel >= 1:5.8.0
  20 BuildRequires:  rpm-perlprov >= 4.1-13
  21 %if %{with tests}
  22 BuildRequires:  perl-perldoc
  23 %endif
  24 Requires:       perl-perldoc
  25 BuildArch:      noarch
  26 BuildRoot:      %{tmpdir}/%{name}-%{version}-root-%(id -u -n)
  27
  28 %description
  29 This module is an implementation of the Generalised and Improved
  30 Iterative Scaling (GIS, IIS) algorithms and the Feature Induction (FI)
  31 algorithm as defined in (Darroch and Ratcliff 1972) and (Della Pietra
  32 et al. 1997). The purpose of the scaling algorithms is to find the
  33 maximum entropy distribution given a set of events and (optionally) an
  34 initial distribution. Also a set of candidate features may be
  35 specified; then the FI algorithm may be applied to find and add the
  36 candidate feature(s) that give the largest `gain' in terms of Kullback
  37 Leibler divergence when it is added to the current set of features.
  38
  39 %description -l pl.UTF-8
  40 Ten moduł jest implementacją algorytmów uogólnionego i ulepszonego
  41 iteracyjnego skalowania (GIS, IIS) oraz algorytmu indukcji cech (FI -
  42 Feature Induction), zdefiniowanych przez Darrocha i Ratcliffa w 1972
  43 roku oraz Della Pietra i innych w 1997. Celem algorytmów skalujących
  44 jest znalezienie maksymalnego rozproszenia entropii zadanej zbiorem
  45 zdarzeń i (opcjonalnie) początkowym rozproszeniem. Można podać także
  46 zbiór cech-kandydatów; wtedy może być zastosowany algorytm FI do
  47 odnalezienia i dodanie cech-kandydatów, które dają największy zysk w
  48 sensie odchylenia Kullbacka-Leiblera kiedy są dodane do aktualnego
  49 zbioru cech.
  50
  51 %prep
  52 %setup -q -n %{pdir}-%{pnam}-%{version}
  53 %patch0 -p0
  54
  55 # kill insecure /tmp usage and possible conflict with another users' builds
  56 install -d tmp
  57 %{__perl} -pi -e 's@"/tmp"@"tmp"@' t/0[01]*
  58
  59 %build
  60 %{__perl} Makefile.PL \
  61         INSTALLDIRS=vendor
  62 %{__make}
  63
  64 %{?with_tests:%{__make} test}
  65
  66 %install
  67 rm -rf $RPM_BUILD_ROOT
  68
  69 %{__make} install \
  70         DESTDIR=$RPM_BUILD_ROOT
  71
  72 %clean
  73 rm -rf $RPM_BUILD_ROOT
  74
  75 %files
  76 %defattr(644,root,root,755)
  77 %doc Changes README *txt
  78 %attr(755,root,root) %{_bindir}/ME.wrapper.pl
  79 %{perl_vendorlib}/Statistics/*.pm
  80 # empty autosplit.ix files
  81 #%%{perl_vendorlib}/auto/Statistics/Candidates
  82 #%%{perl_vendorlib}/auto/Statistics/MaxEntropy
  83 #%%{perl_vendorlib}/auto/Statistics/SparseVector
  84 %{_mandir}/man[13]/*