ls()
#rm(list=ls())
library(tidyverse)
ukpildid=filter(NA_Flickr2_ANALYSED, `owner/username`=="The National Archives UK")
head(ukpildid)
nrow(ukpildid)
nrow(NA_Flickr2_ANALYSED)
colnames(ukpildid)
atulbad=grep("author$", grep("tag", colnames(ukpildid), value=TRUE), value=TRUE)



pildinr=ukpildid$id[1]
autorid=unname(t(ukpildid[ukpildid$id==pildinr, atulbad])[, 1])
autorid=autorid[!is.na(autorid)]
t1=tibble(a=autorid, p=pildinr)

for(nr in 2:length(ukpildid$id)){
  autorid=unname(t(ukpildid[ukpildid$id==ukpildid$id[nr], atulbad])[, 1])
  autorid=autorid[!is.na(autorid)]
  t2=tibble(a=autorid, p=ukpildid$id[nr])
  t1=rbind(t1, t2)
  print(nr)
}

t1

nrow(t1)
table(t1)
head(t1, 30)
write_csv(t1, file.choose())
hist(table(t1$a))
sagedused=as.data.frame(table(t1$a))
sagedused[order(sagedused$Freq),]
sagedused[order(sagedused$Freq),]$Freq
table(sagedused[order(sagedused$Freq),]$Freq)

#Näita iga pildi kohta, mitu korda seda on tagitud
#Järjesta tulemused sageduse järjekorras

# Püüa leitud sagedusi iseloomustada
arrange(as_tibble(table(t1$p)), desc(n))

pildisagedused=t1$p %>% table() %>% as_tibble() %>% arrange(desc(n))

pildisagedused
table(cut(pildisagedused$n, c(0, 10, 30, 100)))

#Looge sarnased rühmad ka autorite sageduste kohta
table(cut(as.data.frame(table(t1$a))$Freq, c(0, 10, 100, 1000, 1000000)))
table(cut(as.data.frame(table(t1$a))$Freq, 5))

#t1 - kõik pildid ja tagid

#seosed - tagid, kus ei osale rahvusarhiiv 31575009@N05

seosed=filter(t1, a!='31575009@N05')

seosed
table(seosed$p) %>% as_tibble() %>% arrange(desc(n))

pildinr="3047457325"
autorid=seosed %>% filter(p==pildinr) %>% select(a) %>% unique() %>% .$a
seosed %>% filter(a %in% autorid) %>% filter(p!=pildinr) %>% .$p %>% unique()
autorid
length(unique(seosed$p))

#Mõtted järgmiseks tunniks
Saame lisaks kätte tagide sisud
pildi_id, tagi_autor, tagi_content, 

content-sõnade uuring


autor-content paar?
Autori eripära

Kui autoritel kattub üks tag, kas kattuvad ka teised?