compare.R

library(igraph)
library(tidyverse)

dtm = readRDS("/tmp/nieuws.rds")

g = RNewsflow::newsflow_compare(dtm, dtm, date='date', 
                                min_similarity = 0.75,       ## similarity threshold
                                hour_window = c(-1*24, 1*24),   ## tijd window: tussen 0 en 7 dagen na publicatie persbericht
                                measure = 'cosine',         ## cosine similarity. Je kunt ook overlap_pct gebruiken voor assymetrische vergelijking
                                tf_idf=T)                   ## weeg woorden die minder vaak voorkomen zwaarder mee

## g is een netwerk van alle artikelen. Je kunt daar een data.frame van make
## je moet dan alleen wel zelf nog de meta data eraan mergen
clusters = g %>% 
  decompose() %>% 
  purrr::map(igraph::as_data_frame) %>% 
  bind_rows(.id="cluster") %>% 
  as_tibble() 

# If g was symmetric, each cluster should have the same from as to nodes, but this is not the case (?), so bind froms and tos
clusters %>% group_by(cluster) %>% summarize(n=n(), check=setequal(from, to)) %>% with(table(check)) 
clusters %>% group_by(cluster) %>% summarize(n=n(), check=setequal(from, to)) %>% filter(!check)

g %>% igraph::as_data_frame() %>% filter(from %in% c(110922, 366719) | to %in% c(110922, 366719))
g %>% igraph::as_data_frame() %>% filter(from %in% c(9651) | to %in% c(9651))