grafico_g1.R

grafico_tfidf <- function(data, n_grams = 1, remover_nomes_proprios,
                          agregar_por_noticia, remover_stop_words = TRUE){
  
  data <- data %>% 
    unnest_tokens(palavra, corpo_noticia, token = "ngrams", n = n_grams, to_lower = FALSE)
  
  if (agregar_por_noticia){
    # remover as duplicatas dentre de uma mesma noticia
    data %<>% distinct(url, palavra, .keep_all = TRUE)
  }
    
  
  if (remover_nomes_proprios) {
    data %<>% filter(palavra == str_to_lower(palavra) | palavra == str_to_upper(palavra))
  }
  
  if (remover_stop_words) {
    data %<>% filter(!palavra %in% tm::stopwords("pt"))
  }
  
  data %>% 
    # manter apenas palavras que nao tem upper case
    count(documento, palavra) %>% 
    bind_tf_idf(term = palavra, document = documento, n = n) %>%  
    group_by(documento) %>% 
    arrange(desc(tf_idf)) %>% 
    filter(row_number() <= 20) %>% 
    ungroup() %>% 
    arrange(desc(tf_idf)) %>% 
    mutate(palavra = factor(palavra, levels = rev(unique(palavra)))) %>% 
    ggplot(aes(palavra, tf_idf, fill = documento)) +
      geom_col(show.legend = FALSE) +
      geom_text(aes(label = n), hjust = 1.3) +
      labs(x = NULL, y = "tf-idf") +
      facet_wrap(~documento, ncol = 2, scales = "free") +
      coord_flip()
}