DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES OPHÉLIE FRAISIER-VANNIER
Encadrée par Mohand Boughanem, Romaric Besançon, Guillaume Cabanac et Yoann Pitarch
7 décembre 2018
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
CONTEXTE
�2
DES MÉDIAS SOCIAUX OMNIPRÉSENTS
Moreno (1934), Who Shall Survive?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
CONTEXTE
�2
DES MÉDIAS SOCIAUX OMNIPRÉSENTS
Moreno (1934), Who Shall Survive?
(1997)
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
CONTEXTE
�3
DES MÉDIAS SOCIAUX OMNIPRÉSENTS
YouTube
Messenger
Tumblr
QZone
Tieba
Skype
Viber
Snapchat
LINE
Telegram
2 234
1 5001 500
1 300
980
813 794 783
563
392330 330 300 300 260 260 255
203 200 200
Nombredeprofilsactifs
(enmillions)
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
CONTEXTE
�3
DES MÉDIAS SOCIAUX OMNIPRÉSENTS
YouTube
Messenger
Tumblr
QZone
Tieba
Skype
Viber
Snapchat
LINE
Telegram
2 234
1 5001 500
1 300
980
813 794 783
563
392330 330 300 300 260 260 255
203 200 200
Nombredeprofilsactifs
(enmillions)
➡ Données intéressantes pour la recherche
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�4
PROBLÉMATIQUECONTEXTE
➡ Comment déterminer le point de vue des profils sur les médias sociaux ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�4
PROBLÉMATIQUECONTEXTE
➡ Comment déterminer le point de vue des profils sur les médias sociaux ?
▸ Comment exploiter efficacement les similarités inter-profils ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�4
PROBLÉMATIQUECONTEXTE
➡ Comment déterminer le point de vue des profils sur les médias sociaux ?
▸ Comment exploiter efficacement les similarités inter-profils ?
▸ Existe-t-il un intérêt à considérer plusieurs similarités ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�4
PROBLÉMATIQUECONTEXTE
➡ Comment déterminer le point de vue des profils sur les médias sociaux ?
▸ Comment exploiter efficacement les similarités inter-profils ?
▸ Existe-t-il un intérêt à considérer plusieurs similarités ?
▸ Les profils expriment-ils plusieurs points de vue sur les médias sociaux ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�5
DÉFINITIONS
MÉDIA SOCIAL NUMÉRIQUE
POINT DE VUE
CONTEXTE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�5
DÉFINITIONS
Média numérique basé sur les technologies du Web 2.0, qui vise à faciliter la création et le partage de contenu généré par les utilisateurs via des PROFILS, la collaboration et l’interaction sociale.
MÉDIA SOCIAL NUMÉRIQUE
POINT DE VUE
CONTEXTE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�5
DÉFINITIONS
Média numérique basé sur les technologies du Web 2.0, qui vise à faciliter la création et le partage de contenu généré par les utilisateurs via des PROFILS, la collaboration et l’interaction sociale.
MÉDIA SOCIAL NUMÉRIQUE
Positionnement social d’une personne, réfléchi et justifié par un ensemble de valeurs et de croyances. À mettre en relation avec les autres points de vue existant sur le sujet donné.
POINT DE VUE
CONTEXTE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
‣ FOUILLE DE POINTS DE VUEDétection de positionnements sociaux
Républicain
Démocrate
�6
CONTEXTE DÉFINITIONS
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
‣ FOUILLE DE POINTS DE VUEDétection de positionnements sociaux
Républicain
Démocrate
‣ FOUILLE D'OPINIONSDétection de sentiments positifs ou négatifs exprimés envers une cible
Opinion négative d'Obama
Opinion positive d'Obama
�6
CONTEXTE DÉFINITIONS
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
‣ FOUILLE DE POINTS DE VUEDétection de positionnements sociaux
Républicain
Démocrate
‣ FOUILLE D'OPINIONSDétection de sentiments positifs ou négatifs exprimés envers une cible
Opinion négative d'Obama
Opinion positive d'Obama
‣ FOUILLE DE SENTIMENTSDétection des six sentiments fondamentaux (Ekman et al., 1987)
Surprise
Joie
�6
CONTEXTE DÉFINITIONS
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
ÉTAT DE L'ART
JEU DE DONNÉES #Élysée2017fr
MODÈLES DE DÉTECTION
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
ÉVOLUTION DES POINTS DE VUE
CONCLUSION
�7
ÉTAT DE L'ART
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�9
ÉTAT DE L'ART
‣ POINTS DE VUE STATIQUESPas d'évolution dans le temps
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�9
ÉTAT DE L'ART
‣ POINTS DE VUE STATIQUESPas d'évolution dans le temps
56% des publications
utilisent des données traitant
des États-Unis
76% des publications utilisent des données
provenant de Twitter
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�10
ÉTAT DE L'ART
‣ Points de vue politiques largement majoritaires
Gauche Droite
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
MIXTE
�11
ÉTAT DE L'ART
CONTENU TEXTUEL
INTERACTIONS SOCIALES
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
MIXTE
�11
ÉTAT DE L'ART
CONTENU TEXTUEL
INTERACTIONS SOCIALES
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�12
CONTENU TEXTUELÉTAT DE L'ART
▸ Premier contenu exploité ▸ Reste incontournable lorsque peu d'interactions sociales
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�12
CONTENU TEXTUELÉTAT DE L'ART
▸ Premier contenu exploité ▸ Reste incontournable lorsque peu d'interactions sociales
‣ MODÉLISATION DU DISCOURSSpécificité du discours en fonction du point de vue
Hasa
n et N
g (20
13)
Zhan
g et a
l. (20
17)
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�12
CONTENU TEXTUELÉTAT DE L'ART
▸ Premier contenu exploité ▸ Reste incontournable lorsque peu d'interactions sociales
Fang
et al
. (20
15)
Boire
au (2
014)
Ce
ron (
2017
) Da
vid et
al. (
2016
)
‣ SÉQUENCES D'ARGUMENTSAspect séquentiel des discussions
‣ MODÉLISATION DU DISCOURSSpécificité du discours en fonction du point de vue
Hasa
n et N
g (20
13)
Zhan
g et a
l. (20
17)
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�12
CONTENU TEXTUELÉTAT DE L'ART
▸ Premier contenu exploité ▸ Reste incontournable lorsque peu d'interactions sociales
Fang
et al
. (20
15)
Boire
au (2
014)
Ce
ron (
2017
) Da
vid et
al. (
2016
)
‣ SÉQUENCES D'ARGUMENTSAspect séquentiel des discussions
‣ MODÉLISATION DU DISCOURSSpécificité du discours en fonction du point de vue
Hasa
n et N
g (20
13)
Zhan
g et a
l. (20
17)
‣ INFÉRENCES BASÉES SUR OPINIONS / SENTIMENTS Point de vue déduit à partir d'opinions sur des problématiques spécifiquesAk
oglu
(201
4)
Moha
mmad
et al
. (2
017)
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
MIXTE
�13
ÉTAT DE L'ART
CONTENU TEXTUEL
‣ Modélisation du discours
‣ Séquences d'arguments
‣ Inférences basées sur opinions / sentiments
INTERACTIONS SOCIALES
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
MIXTE
�13
ÉTAT DE L'ART
CONTENU TEXTUEL
‣ Modélisation du discours
‣ Séquences d'arguments
‣ Inférences basées sur opinions / sentiments
INTERACTIONS SOCIALES
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�14
INTERACTIONS SOCIALESÉTAT DE L'ART
▸ Justifié par l'homophilie présente sur les médias sociaux ▸ Polarisation particulièrement forte sur les sujets politiques
Retweets durant les élections de mi-mandat 2010 aux États-Unis (Conover et al., 2011)
Références entre blogs conservateurs et libéraux (Adamic et al., 2005)
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�15
INTERACTIONS SOCIALESÉTAT DE L'ART
‣ PROPAGATION DE L'INFORMATIONPropagation des points de vue en fonction des liens existant entre profils
Cono
ver e
t al. (
2011
) Ab
basi
et al.
(201
4)
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�15
INTERACTIONS SOCIALESÉTAT DE L'ARTCh
erep
nalko
ski e
t al.
(201
5)
Guer
rero
-Solé
(201
7)
Rizo
s et a
l. (20
17) ‣ DÉTECTION DE COMMUNAUTÉS
Utilisation d'outils de détection de communautés pour propager les points de vue
‣ PROPAGATION DE L'INFORMATIONPropagation des points de vue en fonction des liens existant entre profils
Cono
ver e
t al. (
2011
) Ab
basi
et al.
(201
4)
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�15
INTERACTIONS SOCIALESÉTAT DE L'ARTCh
erep
nalko
ski e
t al.
(201
5)
Guer
rero
-Solé
(201
7)
Rizo
s et a
l. (20
17) ‣ DÉTECTION DE COMMUNAUTÉS
Utilisation d'outils de détection de communautés pour propager les points de vue
‣ PROPAGATION DE L'INFORMATIONPropagation des points de vue en fonction des liens existant entre profils
Cono
ver e
t al. (
2011
) Ab
basi
et al.
(201
4)
‣ AUTRES SIMILARITÉSModélisation bayésienne ou utilisation des catégories d'intérêts de TwitterBa
rber
á (20
15)
Volko
va et
al. (
2016
)
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
MIXTE
�16
ÉTAT DE L'ART
CONTENU TEXTUEL
‣ Modélisation du discours
‣ Séquences d'arguments
‣ Inférences basées sur opinions / sentiments
INTERACTIONS SOCIALES
‣ Propagation de l'information
‣ Détection de communautés
‣ Autres similarités
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
MIXTE
�16
ÉTAT DE L'ART
CONTENU TEXTUEL
‣ Modélisation du discours
‣ Séquences d'arguments
‣ Inférences basées sur opinions / sentiments
INTERACTIONS SOCIALES
‣ Propagation de l'information
‣ Détection de communautés
‣ Autres similarités
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�17
MÉTHODES MIXTESÉTAT DE L'ART
▸ Tirent partie à la fois du contenu textuel et des interactions sociales
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�17
MÉTHODES MIXTESÉTAT DE L'ART
▸ Tirent partie à la fois du contenu textuel et des interactions sociales
‣ UTILISATION CONJOINTEExploitation simultanée du contenu textuel et des interactions sociales
Maka
zhan
ov et
al. (
2014
) Ma
gdy e
t al. (
2016
) Th
onet
et al.
(201
7)
Dong
et al
. (20
17)
Trabe
lsi et
al. (
2018
)
POINTDE VUE
CONTENU TEXTUEL
INTERACTIONS SOCIALES
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�17
MÉTHODES MIXTESÉTAT DE L'ART
▸ Tirent partie à la fois du contenu textuel et des interactions sociales
‣ UTILISATION CONJOINTEExploitation simultanée du contenu textuel et des interactions sociales
Maka
zhan
ov et
al. (
2014
) Ma
gdy e
t al. (
2016
) Th
onet
et al.
(201
7)
Dong
et al
. (20
17)
Trabe
lsi et
al. (
2018
)
POINTDE VUE
CONTENU TEXTUEL
INTERACTIONS SOCIALES
‣ RENFORCEMENT MUTUELUtilisation séquentielle (ou alternative) du texte et des interactions sociales
Penn
acch
iotti e
t al. (
2011
) Ra
belo
et al.
(201
2)
Rajad
esing
an et
al. (
2014
) Wo
ng et
al. (
2013
, 201
6)
CONTENU TEXTUEL
INTERACTIONS SOCIALES
POINTDE VUE
INTERACTIONS SOCIALES
CONTENU TEXTUEL
POINTDE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�18
ÉTAT DE L'ART SYNTHÈSE
TEXTE
INTERACTIONS SOCIALES
AUTRES INFORMATIONS
PLUS D'UNE PLATEFORME GÉRÉE
PLUS DE 2 POINTS DE VUE GÉRÉS
PEU D'ANNOTATIONS NÉCESSAIRES
Abb
asi e
t al.
(201
4)
Ako
glu
(201
4)
Barb
erá
(201
5)
Boire
au (2
014)
Cero
n (2
017)
Cono
ver e
t al.
(201
1)
Dav
id e
t al.
(201
6)
Don
g et
al.
(201
7)
Fang
et a
l. (2
015)
Has
an e
t N
g (2
013)
Mag
dy e
t al.
(201
6)
Mak
azha
nov
et a
l. (2
014)
Moh
amm
ad e
t al.
(201
7)
Penn
acch
iotti
et a
l. (2
011)
Rabe
lo e
t al.
(201
2)
Raja
desin
gan
et a
l. (2
014)
Rizo
s et a
l. (2
017)
Thon
et e
t al.
(201
7)
Volk
ova
et a
l. (2
016)
Won
g et
al.
(201
3)
Won
g et
al.
(201
6)
Zhan
g et
al.
(201
7)
Zubi
aga
et a
l. (2
018)
DONN
ÉES
UTILI
SÉES
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�18
ÉTAT DE L'ART SYNTHÈSE
TEXTE
INTERACTIONS SOCIALES
AUTRES INFORMATIONS
PLUS D'UNE PLATEFORME GÉRÉE
PLUS DE 2 POINTS DE VUE GÉRÉS
PEU D'ANNOTATIONS NÉCESSAIRES
Abb
asi e
t al.
(201
4)
Ako
glu
(201
4)
Barb
erá
(201
5)
Boire
au (2
014)
Cero
n (2
017)
Cono
ver e
t al.
(201
1)
Dav
id e
t al.
(201
6)
Don
g et
al.
(201
7)
Fang
et a
l. (2
015)
Has
an e
t N
g (2
013)
Mag
dy e
t al.
(201
6)
Mak
azha
nov
et a
l. (2
014)
Moh
amm
ad e
t al.
(201
7)
Penn
acch
iotti
et a
l. (2
011)
Rabe
lo e
t al.
(201
2)
Raja
desin
gan
et a
l. (2
014)
Rizo
s et a
l. (2
017)
Thon
et e
t al.
(201
7)
Volk
ova
et a
l. (2
016)
Won
g et
al.
(201
3)
Won
g et
al.
(201
6)
Zhan
g et
al.
(201
7)
Zubi
aga
et a
l. (2
018)
MANQUE DE GÉNÉRICITÉ
DONN
ÉES
UTILI
SÉES
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�18
ÉTAT DE L'ART SYNTHÈSE
TEXTE
INTERACTIONS SOCIALES
AUTRES INFORMATIONS
PLUS D'UNE PLATEFORME GÉRÉE
PLUS DE 2 POINTS DE VUE GÉRÉS
PEU D'ANNOTATIONS NÉCESSAIRES
Abb
asi e
t al.
(201
4)
Ako
glu
(201
4)
Barb
erá
(201
5)
Boire
au (2
014)
Cero
n (2
017)
Cono
ver e
t al.
(201
1)
Dav
id e
t al.
(201
6)
Don
g et
al.
(201
7)
Fang
et a
l. (2
015)
Has
an e
t N
g (2
013)
Mag
dy e
t al.
(201
6)
Mak
azha
nov
et a
l. (2
014)
Moh
amm
ad e
t al.
(201
7)
Penn
acch
iotti
et a
l. (2
011)
Rabe
lo e
t al.
(201
2)
Raja
desin
gan
et a
l. (2
014)
Rizo
s et a
l. (2
017)
Thon
et e
t al.
(201
7)
Volk
ova
et a
l. (2
016)
Won
g et
al.
(201
3)
Won
g et
al.
(201
6)
Zhan
g et
al.
(201
7)
Zubi
aga
et a
l. (2
018)
MANQUE DE GÉNÉRICITÉ
BESOIN D'UNE GRANDE QUANTITÉ DE DONNÉES ANNOTÉES
DONN
ÉES
UTILI
SÉES
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
MODÈLED'OBSERVATION DEL'ÉVOLUTION DES
POINTS DE VUE
�19
JEU DE DONNÉES #ÉLYSÉE2017FR
MODÈLE DE DÉTECTION COMMUNAUTAIRE
SÉQUENTIELLE DESPOINTS DE VUE
MANQUE DE DONNÉES ANNOTÉES
MANQUE DE GÉNÉRICITÉ
JEU DE DONNÉES #Élysée2017fr
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Manque de grands jeux de données annotés ▸ Manque de jeux de données sur la politique française ▸ Manque de jeux de données avec plus de 2 points de vue
�21
JEU DE DONNÉES #Élysée2017fr
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Manque de grands jeux de données annotés ▸ Manque de jeux de données sur la politique française ▸ Manque de jeux de données avec plus de 2 points de vue
�21
JEU DE DONNÉES #Élysée2017fr
➡ Campagne présidentielle française 2017
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Manque de grands jeux de données annotés ▸ Manque de jeux de données sur la politique française ▸ Manque de jeux de données avec plus de 2 points de vue
�21
JEU DE DONNÉES #Élysée2017fr
➡ Campagne présidentielle française 2017
‣ Collecte via l'API Twitter Streaming ‣ Sélection de mots-clés par expert-e-s du projet ANR ‣ Annotations par expert-e-s
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�22
JEU DE DONNÉES #Élysée2017fr
▸ 22 853 profils annotés ▸ France Insoumise
▸ Parti Socialiste
▸ En Marche !
▸ Les Républicains
▸ Front National
▸ Indéterminé
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�22
JEU DE DONNÉES #Élysée2017fr
▸ 22 853 profils annotés ▸ France Insoumise
▸ Parti Socialiste
▸ En Marche !
▸ Les Républicains
▸ Front National
▸ Indéterminé
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�22
JEU DE DONNÉES #Élysée2017fr
▸ 22 853 profils annotés ▸ France Insoumise
▸ Parti Socialiste
▸ En Marche !
▸ Les Républicains
▸ Front National
▸ Indéterminé
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
FI PS EM LR FN Und. Oth.Individual
Male Female Other/Und.Non individual
Political Other
53%
21%
20%
6%
38%
33%
18%
11%
52%
19%
12%
17%
51%
21%
14%
14%
57%
17%
24%
42%
21%
31%
10%
52%
24%
22%
FI PS EM LR FN Und. Oth.Individual
Male Female Other/Und.Non individual
Political Other
53%
21%
20%
6%
38%
33%
18%
11%
52%
19%
12%
17%
51%
21%
14%
14%
57%
17%
24%
42%
21%
31%
10%
52%
24%
22%
FI PS EM LR FN Und. Oth.Individual
Male Female Other/Und.Non individual
Political Other
53%
21%
20%
6%
38%
33%
18%
11%
52%
19%
12%
17%
51%
21%
14%
14%
57%
17%
24%
42%
21%
31%
10%
52%
24%
22%
FI PS EM LR FN Und. Oth.Individual
Male Female Other/Und.Non individual
Political Other
53%
21%
20%
6%
38%
33%
18%
11%
52%
19%
12%
17%
51%
21%
14%
14%
57%
17%
24%
42%
21%
31%
10%
52%
24%
22%
FI PS EM LR FN Und. Oth.Individual
Male Female Other/Und.Non individual
Political Other
53%
21%
20%
6%
38%
33%
18%
11%
52%
19%
12%
17%
51%
21%
14%
14%
57%
17%
24%
42%
21%
31%
10%
52%
24%
22%
FI PS EM LR FN Und. Oth.Individual
Male Female Other/Und.Non individual
Political Other
53%
21%
20%
6%
38%
33%
18%
11%
52%
19%
12%
17%
51%
21%
14%
14%
57%
17%
24%
42%
21%
31%
10%
52%
24%
22%FI PS EM LR FN Und. Oth.Individual
Male Female Other/Und.Non individual
Political Other
53%
21%
20%
6%
38%
33%
18%
11%
52%
19%
12%
17%
51%
21%
14%
14%
57%
17%
24%
42%
21%
31%
10%
52%
24%
22%
FI PS EM LR FN Und. Oth.Individual
Male Female Other/Und.Non individual
Political Other
53%
21%
20%
6%
38%
33%
18%
11%
52%
19%
12%
17%
51%
21%
14%
14%
57%
17%
24%
42%
21%
31%
10%
52%
24%
22%
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�23
JEU DE DONNÉES #Élysée2017fr
▸ États-Unis (194)
▸ Canada (79)
50 100 150 2000
~13000
70
Nombre de profils :
141
99
51
45
40
29
22
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�23
JEU DE DONNÉES #Élysée2017fr5 000
20/03: 1
er
debat presidentiel
04/04: 2
nd
debat presidentiel
20/04: Interviews TV / Attaque sur les Champs
´
Elysees
23/04: 1
er
tour de l’election presidentielle
07/05: 2
nd
tour de l’election presidentielle
10 000
20 000
30 000
05/02: Hologramme de Melenchon
5 000
10 000 01/12: Hollande annonce qu’ilne sera pas candidat
22/01: 1er tour de laprimaire de gauche
29/01: 2nd tour de la primaire de gauche
5 000
10 000
20 000
30 00002/03: Publication du programme de Macron
5 000
10 000
20 000
30 000
27/11: 2nd tour de la primairede droite 25/01: FillonGate
5 000
10 000
20 000
30 000
FI PS EM LR FN
Nombre de tweets
Nombre de retweets
▸ États-Unis (194)
▸ Canada (79)
50 100 150 2000
~13000
70
Nombre de profils :
141
99
51
45
40
29
22
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�24
JEU DE DONNÉES #Élysée2017fr
Retweets
Mentions
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
MODÈLED'OBSERVATION DEL'ÉVOLUTION DES
POINTS DE VUE
�25
JEU DE DONNÉES #ÉLYSÉE2017FR
MODÈLE DE DÉTECTION COMMUNAUTAIRE
SÉQUENTIELLE DESPOINTS DE VUE
MANQUE DE DONNÉES ANNOTÉES
MANQUE DE GÉNÉRICITÉ
MODÈLES DE DÉTECTION
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�27
PROXIMITÉSMODÈLES DE DÉTECTION
▸ Comment exploiter efficacement les similarités inter-profils ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�27
PROXIMITÉSMODÈLES DE DÉTECTION
▸ Comment exploiter efficacement les similarités inter-profils ?
INTERACTIONS SOCIALES LOCALISATIONCONTENU TEXTUEL
▸ Multiples aspects présents sur les médias sociaux
▸ Différences en terme de diffusion de points de vue
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�27
PROXIMITÉSMODÈLES DE DÉTECTION
▸ Comment exploiter efficacement les similarités inter-profils ?
INTERACTIONS SOCIALES LOCALISATIONCONTENU TEXTUEL
▸ Multiples aspects présents sur les médias sociaux
▸ Différences en terme de diffusion de points de vue
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
2 profils similaires ont une plus grande probabilité d'être proches.
HOMOPHILIE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�27
PROXIMITÉSMODÈLES DE DÉTECTION
▸ Comment exploiter efficacement les similarités inter-profils ?
INTERACTIONS SOCIALES LOCALISATIONCONTENU TEXTUEL
▸ Multiples aspects présents sur les médias sociaux
▸ Différences en terme de diffusion de points de vue
➡ Notion générique de proximité
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
Retweets
Tweets
Profiles
FI PS EM LR FN Und. Rest
22% 8% 17% 19% 15% 15%
22% 7% 16% 23% 14% 15%
21% 7% 15% 28% 20% 6%
2 profils similaires ont une plus grande probabilité d'être proches.
HOMOPHILIE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Chaque proximité est représenté par un graphe pondérénon dirigé Gi = (V, E)
▸ V = {v1, v2, …} un ensemble de profils
▸ E = { (vj, vk) | {vj, vk} ⊆ V et Simi(vj, vk) > 0 } ▸ Exprime la similarité inter-profils dans V selon la proximité choisie
�28
PROXIMITÉSMODÈLES DE DÉTECTION
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Hashtag
a b
c dA
B
C
D E
F
G
H
I
JK
Retweeta
bc
dA
B
C
D E
F
G
H
I
JK
Ville
a
b
A
B
C
D E
F
G
H
I
JK
PROXIMITÉ 1 PROXIMITÉ 2 PROXIMITÉ 3
▸ Chaque proximité est représenté par un graphe pondérénon dirigé Gi = (V, E)
▸ V = {v1, v2, …} un ensemble de profils
▸ E = { (vj, vk) | {vj, vk} ⊆ V et Simi(vj, vk) > 0 } ▸ Exprime la similarité inter-profils dans V selon la proximité choisie
�28
PROXIMITÉSMODÈLES DE DÉTECTION
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Hashtag
a b
c dA
B
C
D E
F
G
H
I
JK
Retweeta
bc
dA
B
C
D E
F
G
H
I
JK
Ville
a
b
A
B
C
D E
F
G
H
I
JK
PROXIMITÉ 1 PROXIMITÉ 2 PROXIMITÉ 3
▸ Chaque proximité est représenté par un graphe pondérénon dirigé Gi = (V, E)
▸ V = {v1, v2, …} un ensemble de profils
▸ E = { (vj, vk) | {vj, vk} ⊆ V et Simi(vj, vk) > 0 } ▸ Exprime la similarité inter-profils dans V selon la proximité choisie
�28
PROXIMITÉSMODÈLES DE DÉTECTION
HASHTAG RETWEET VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
PROXIMITÉS
�29
MODÈLES DE DÉTECTION
DÉTECTION COMMUNAUTAIRE
SÉQUENTIELLE
ÉVOLUTION DES
POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
PROXIMITÉS
�29
MODÈLES DE DÉTECTION
DÉTECTION COMMUNAUTAIRE
SÉQUENTIELLE
ÉVOLUTION DES
POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�30
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLEMODÈLES DE DÉTECTION
▸ Comment détecter des profils suffisamment similaires pour partager un point de vue avec nos proximités ?
▸ Comment gérer le manque de données annotées ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�30
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLEMODÈLES DE DÉTECTION
▸ Comment détecter des profils suffisamment similaires pour partager un point de vue avec nos proximités ?➡ Détection de communautés
▸ Comment gérer le manque de données annotées ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�30
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLEMODÈLES DE DÉTECTION
▸ Comment détecter des profils suffisamment similaires pour partager un point de vue avec nos proximités ?➡ Détection de communautés
▸ Comment gérer le manque de données annotées ?➡ Diffusion dans les communautés à partir d'une poignée
de profils-graines aux points de vue connus
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�30
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLEMODÈLES DE DÉTECTION
▸ Comment détecter des profils suffisamment similaires pour partager un point de vue avec nos proximités ?➡ Détection de communautés
▸ Comment gérer le manque de données annotées ?➡ Diffusion dans les communautés à partir d'une poignée
de profils-graines aux points de vue connus➡ Combinaison de plusieurs proximités
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Un ensemble de communautés est détecté sur différents graphes de proximités
Hashtag
a b
c dA
B
C
D E
F
G
H
I
JK
Retweeta
bc
dA
B
C
D E
F
G
H
I
JK
Ville
a
b
A
B
C
D E
F
G
H
I
JK
PROXIMITÉ 1 PROXIMITÉ 2 PROXIMITÉ 3HASHTAG RETWEET VILLE
�31
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Un ensemble de communautés est détecté sur différents graphes de proximités
Hashtag
a b
c dA
B
C
D E
F
G
H
I
JK
Retweeta
bc
dA
B
C
D E
F
G
H
I
JK
Ville
a
b
A
B
C
D E
F
G
H
I
JK
PROXIMITÉ 1 PROXIMITÉ 2 PROXIMITÉ 3HASHTAG RETWEET VILLEHashtag
a b
c dA
B
C
D E
F
G
H
I
JK
Retweeta
bc
dA
B
C
D E
F
G
H
I
JK
Ville
a
b
A
B
C
D E
F
G
H
I
JK
HASHTAG RETWEET VILLE
�31
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Un ensemble de communautés est détecté sur différents graphes de proximités➡ Groupes de profils fortement similaires en fonction des
différentes proximités considérées
Hashtag
a b
c dA
B
C
D E
F
G
H
I
JK
Retweeta
bc
dA
B
C
D E
F
G
H
I
JK
Ville
a
b
A
B
C
D E
F
G
H
I
JK
PROXIMITÉ 1 PROXIMITÉ 2 PROXIMITÉ 3HASHTAG RETWEET VILLEHashtag
a b
c dA
B
C
D E
F
G
H
I
JK
Retweeta
bc
dA
B
C
D E
F
G
H
I
JK
Ville
a
b
A
B
C
D E
F
G
H
I
JK
HASHTAG RETWEET VILLE
�31
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Ville a b
A
B
C
D
E
F
G
H
I
J
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
�32
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
HASHTAG
RETWEET
VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Pour chaque proximité xiord :
Pour chaque communauté c dans xiord :
Pour chaque profil p :
Si le point de vue sp est inconnu :
sp = point de vue majoritaire de c
Ville a b
A
B
C
D
E
F
G
H
I
J
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
�32
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
HASHTAG
RETWEET
VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Pour chaque proximité xiord :
Pour chaque communauté c dans xiord :
Pour chaque profil p :
Si le point de vue sp est inconnu :
sp = point de vue majoritaire de c
Ville a b
A
B
C
D
E
F
G
H
I
J
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
�32
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
HASHTAG
RETWEET
VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Pour chaque proximité xiord :
Pour chaque communauté c dans xiord :
Pour chaque profil p :
Si le point de vue sp est inconnu :
sp = point de vue majoritaire de c
Ville a b
A
B
C
D
E
F
G
H
I
J
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
�32
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
HASHTAG
RETWEET
VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Pour chaque proximité xiord :
Pour chaque communauté c dans xiord :
Pour chaque profil p :
Si le point de vue sp est inconnu :
sp = point de vue majoritaire de c
Ville a b
A
B
C
D
E
F
G
H
I
J
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
�32
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
HASHTAG
RETWEET
VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Pour chaque proximité xiord :
Pour chaque communauté c dans xiord :
Pour chaque profil p :
Si le point de vue sp est inconnu :
sp = point de vue majoritaire de c
Ville a b
A
B
C
D
E
F
G
H
I
J
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
�32
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
HASHTAG
RETWEET
VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Pour chaque proximité xiord :
Pour chaque communauté c dans xiord :
Pour chaque profil p :
Si le point de vue sp est inconnu :
sp = point de vue majoritaire de c
Ville a b
A
B
C
D
E
F
G
H
I
J
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
�32
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
HASHTAG
RETWEET
VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Pour chaque proximité xiord :
Pour chaque communauté c dans xiord :
Pour chaque profil p :
Si le point de vue sp est inconnu :
sp = point de vue majoritaire de c
Ville a b
A
B
C
D
E
F
G
H
I
J
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
�32
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
HASHTAG
RETWEET
VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Pour chaque proximité xiord :
Pour chaque communauté c dans xiord :
Pour chaque profil p :
Si le point de vue sp est inconnu :
sp = point de vue majoritaire de c
▸ Le point de vue d'un profil ne peut pas être modifié
➡ Ordre des proximités
➡ Sélection des profils-graines
Ville a b
A
B
C
D
E
F
G
H
I
J
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
�32
MODÈLES DE DÉTECTION DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
HASHTAG
RETWEET
VILLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
HASHTAG
RETWEET
VILLE
�33
MODÈLES DE DÉTECTION
➡ Sélection des profils-graines
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
HASHTAG
RETWEET
VILLE
▸ Objectif : ➡ Limiter le coût de l'annotation
�33
MODÈLES DE DÉTECTION
➡ Sélection des profils-graines
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
HASHTAG
RETWEET
VILLE
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EGRETWEET
▸ L'utilisatrice finale annote seulement s profils-graines
▸ Compris dans au moins scom communautés de la 1ère proximité
▸ Avec scom ≥ nombre de points de vue distincts à détecter
▸ Et au moins smin profils-graines par communauté-graine
▸ Objectif : ➡ Limiter le coût de l'annotation
�33
MODÈLES DE DÉTECTION
➡ Sélection des profils-graines
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
HASHTAG
RETWEET
VILLE
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EGRETWEET
▸ L'utilisatrice finale annote seulement s profils-graines
▸ Compris dans au moins scom communautés de la 1ère proximité
▸ Avec scom ≥ nombre de points de vue distincts à détecter
▸ Et au moins smin profils-graines par communauté-graine
▸ Objectif : ➡ Limiter le coût de l'annotation
�33
MODÈLES DE DÉTECTION
➡ Sélection des profils-graines
▸ Sélection manuelle Utile lorsque certains profils ont des points de vue connus a priori
▸ Sélection automatique ▸ Degré ▸ Centralité ▸ …
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�34
MODÈLES DE DÉTECTION
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
HASHTAG
RETWEET
VILLE
➡ Ordre des proximités
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Premières proximités ➡ Communautés les plus
homogènes
�34
MODÈLES DE DÉTECTION
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
HASHTAG
RETWEET
VILLE
➡ Ordre des proximités
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Ordonnancement manuel Utile lorsque l'utilisatrice finalea une expertise sur le jeu de données étudié
▸ Premières proximités ➡ Communautés les plus
homogènes
�34
MODÈLES DE DÉTECTION
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
HASHTAG
RETWEET
VILLE
➡ Ordre des proximités
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Ordonnancement manuel Utile lorsque l'utilisatrice finalea une expertise sur le jeu de données étudié
Retweet > Hashtag > Ville
▸ Premières proximités ➡ Communautés les plus
homogènes
�34
MODÈLES DE DÉTECTION
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
HASHTAG
RETWEET
VILLE
➡ Ordre des proximités
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Ordonnancement manuel Utile lorsque l'utilisatrice finalea une expertise sur le jeu de données étudié
Retweet > Hashtag > Ville
▸ Premières proximités ➡ Communautés les plus
homogènes
�34
MODÈLES DE DÉTECTION
Ville a b
A
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Hashtag
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
Retweet
a
b
c
dA
B
C
D
E
F
G
H
I
J
K
B
EG
A
D
H
I
J
C
F
K
HASHTAG
RETWEET
VILLE
➡ Ordre des proximités
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
▸ Ordonnancement automatique ‣ Modularité ‣ Nombre de communautés
détectées ‣ …
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�35
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLEMODÈLES DE DÉTECTION
▸ Expérimentations
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�35
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLEMODÈLES DE DÉTECTION
▸ Expérimentations▸ Comment ordonner au mieux les proximités ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�35
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLEMODÈLES DE DÉTECTION
▸ Expérimentations▸ Comment ordonner au mieux les proximités ?▸ Comment sélectionner les profils-graines ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�35
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLEMODÈLES DE DÉTECTION
▸ Expérimentations▸ Comment ordonner au mieux les proximités ?▸ Comment sélectionner les profils-graines ?▸ Quelles sont les performances de ce modèle par rapport
aux modèles de base ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�35
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLEMODÈLES DE DÉTECTION
▸ Expérimentations▸ Comment ordonner au mieux les proximités ?▸ Comment sélectionner les profils-graines ?▸ Quelles sont les performances de ce modèle par rapport
aux modèles de base ?
▸ 5 jeux de données ▸ 2 plateformes
▸ 3 types de proximités
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�36
MODÈLES DE DÉTECTION
SR Référendum sur l'indépendance écossaise de 2014
ME Élection de mi-mandat aux États-Unis de 2014
PE Élection présidentielleaux États-Unis de 2016
#E Élection présidentielle françaisede 2017
GC Contrôle des armes à feu
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�36
MODÈLES DE DÉTECTION
SR Référendum sur l'indépendance écossaise de 2014
ME Élection de mi-mandat aux États-Unis de 2014
PE Élection présidentielleaux États-Unis de 2016
#E Élection présidentielle françaisede 2017
GC Contrôle des armes à feu
Points de vueProfils
annotésOui 535Non 508
Républicain 756Démocrate 701
Républicain 481Démocrate 427
France Insoumise 5 113
Parti Socialiste 1 832
En Marche ! 3 962
Les Républicains 4 366Front National 3 376
Pour un contrôle strict 312Contre un contrôle strict 489
(VT)
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�37
MODÈLES DE DÉTECTION
Proximité
TEXTEKeyword Hashtag Substantif
Reference Url Domaine
INTERACTIONS SOCIALES
Cite Retweet Inclusion d'une autre publication
Call Mention Publication de support / de clarification
Association Amis Alliés
Socio Sexe, âge et niveau d'éducation
Beliefs Religion et parti politique
LOCALISATION
City Lieu indiqué dans la biographie
Region Lieu indiqué dans la biographie
Country Lieu indiqué dans le profil
▸ xrec, xrec : interactions réciproques / non réciproques
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�38
MODÈLES DE DÉTECTION‣ Ordre des proximités (avec sélection des profils-graines par degré et s = 3%×|VT|)
Rapp
el m
acro
0,00
0,25
0,50
0,75
1,00
Préc
ision
m
acro
0,25
0,50
0,75
1,00
Manuel Modularité (d) # communautés (c) # communautés (d)# profils (c) # profils (d) Aléatoire
SR ME PE #E GC
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�39
MODÈLES DE DÉTECTION➡ Sélection des profils-graines
▸ Fonctions comparées(avec un ordonnancement manuel des proximités) ▸ Degré ▸ Centralité de proximité ▸ Nombre de publications ▸ Séniorité ▸ Aléatoire
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�39
MODÈLES DE DÉTECTION➡ Sélection des profils-graines
▸ Fonctions comparées(avec un ordonnancement manuel des proximités) ▸ Degré ▸ Centralité de proximité ▸ Nombre de publications ▸ Séniorité ▸ Aléatoire
SCORES MACRO IDENTIQUESPrécision Rappel F1
SR 0,95 0,95 0,95
ME 0,95 0,95 0,95
PE 0,99 0,98 0,98
#E 0,90 0,86 0,87
GC 0,58 0,52 0,45
s = 3%×|VT|
33
47
27
560
24
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�39
MODÈLES DE DÉTECTION➡ Sélection des profils-graines
▸ Communautés initiales très homogènes ▸ Possibilité de sélectionner des profils dont le point de vue est
connu a priori sans handicaper les performances
▸ Fonctions comparées(avec un ordonnancement manuel des proximités) ▸ Degré ▸ Centralité de proximité ▸ Nombre de publications ▸ Séniorité ▸ Aléatoire
SCORES MACRO IDENTIQUESPrécision Rappel F1
SR 0,95 0,95 0,95
ME 0,95 0,95 0,95
PE 0,99 0,98 0,98
#E 0,90 0,86 0,87
GC 0,58 0,52 0,45
s = 3%×|VT|
33
47
27
560
24
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
SCORES F1 MACRO MOYENSSR ME PE #E GC
SVM 0,92 0,87 0,89 0,75 0,37
RFCITE 0,90 0,92 0,92 0,89 0,51
RFASSO 0,94 0,93 0,97 0,83 0,50
LPCITE 0,78 0,24 0,09 0,20 0,08
LPASSO 0,94 0,07 0,91 0,10 0,19
SCSD 0,95 0,95 0,98 0,89 0,48
�40
MODÈLES DE DÉTECTION
▸ Comparaison avec les modèles de références
Basés sur les interactions
sociales
Basé sur le contenu textuel
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
SCORES F1 MACRO MOYENSSR ME PE #E GC
SVM 0,92 0,87 0,89 0,75 0,37
RFCITE 0,90 0,92 0,92 0,89 0,51
RFASSO 0,94 0,93 0,97 0,83 0,50
LPCITE 0,78 0,24 0,09 0,20 0,08
LPASSO 0,94 0,07 0,91 0,10 0,19
SCSD 0,95 0,95 0,98 0,89 0,48
�40
MODÈLES DE DÉTECTION
▸ Comparaison avec les modèles de références
Basés sur les interactions
sociales
Basé sur le contenu textuel
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
SCORES F1 MACRO MOYENSSR ME PE #E GC
SVM 0,92 0,87 0,89 0,75 0,37
RFCITE 0,90 0,92 0,92 0,89 0,51
RFASSO 0,94 0,93 0,97 0,83 0,50
LPCITE 0,78 0,24 0,09 0,20 0,08
LPASSO 0,94 0,07 0,91 0,10 0,19
SCSD 0,95 0,95 0,98 0,89 0,48
�40
MODÈLES DE DÉTECTION
▸ Comparaison avec les modèles de références
Annotations 80%
Annotations 3%
Basés sur les interactions
sociales
Basé sur le contenu textuel
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
SCORES F1 MACRO MOYENSSR ME PE #E GC
SVM 0,92 0,87 0,89 0,75 0,37
RFCITE 0,90 0,92 0,92 0,89 0,51
RFASSO 0,94 0,93 0,97 0,83 0,50
LPCITE 0,78 0,24 0,09 0,20 0,08
LPASSO 0,94 0,07 0,91 0,10 0,19
SCSD 0,95 0,95 0,98 0,89 0,48
�40
MODÈLES DE DÉTECTION
▸ Comparaison avec les modèles de références
Annotations 80%
Annotations 3%
Basés sur les interactions
sociales
Basé sur le contenu textuel
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�41
MODÈLES DE DÉTECTION
➡ Bilan : ▸ Modèle semi-supervisé générique
▸ Ne nécessite pas plus de 3% de données annotées
▸ Résultats comparables, voire meilleurs, à des modèles supervisés
DÉTECTION COMMUNAUTAIRE SÉQUENTIELLE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
PROXIMITÉS
�42
MODÈLES DE DÉTECTION
DÉTECTION COMMUNAUTAIRE
SÉQUENTIELLE
ÉVOLUTION DES
POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
PROXIMITÉS
�42
MODÈLES DE DÉTECTION
DÉTECTION COMMUNAUTAIRE
SÉQUENTIELLE
ÉVOLUTION DES
POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�43
MODÈLES DE DÉTECTION ÉVOLUTION DES POINTS DE VUE
▸ Comment détecter d'éventuels changements de points de vue ?
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�43
MODÈLES DE DÉTECTION ÉVOLUTION DES POINTS DE VUE
▸ Comment détecter d'éventuels changements de points de vue ?➡ Observations par période
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Modèle précédent peu adapté pour cette tâche ▸ Liens plus épars avec la division par périodes ▸ Profils-graines dépendant des communautés
�43
MODÈLES DE DÉTECTION ÉVOLUTION DES POINTS DE VUE
▸ Comment détecter d'éventuels changements de points de vue ?➡ Observations par période
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Modèle précédent peu adapté pour cette tâche ▸ Liens plus épars avec la division par périodes ▸ Profils-graines dépendant des communautés
�43
MODÈLES DE DÉTECTION
▸ Graines instables dans le temps
ÉVOLUTION DES POINTS DE VUE
▸ Comment détecter d'éventuels changements de points de vue ?➡ Observations par période
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Modèle précédent peu adapté pour cette tâche ▸ Liens plus épars avec la division par périodes ▸ Profils-graines dépendant des communautés
�43
MODÈLES DE DÉTECTION
▸ Graines instables dans le temps
➡ Mise en place d'un nouveau modèle
ÉVOLUTION DES POINTS DE VUE
▸ Comment détecter d'éventuels changements de points de vue ?➡ Observations par période
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�44
MODÈLES DE DÉTECTION
▸ Construction d'un graphe par proximité et période Gip = (P, Simi
p)
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
PROXIMITÉ 1
JOUR
1
PROXIMITÉ 2
JOUR
5
… …
�44
MODÈLES DE DÉTECTION
▸ Construction d'un graphe par proximité et période Gip = (P, Simi
p)
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
PROXIMITÉ 1
JOUR
1
PROXIMITÉ 2
JOUR
5
… …
�45
MODÈLES DE DÉTECTION
▸ Sélection d'un profil-graine par point de vue ▸ Profils-graines S constant à travers les proximités et dans le temps
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
PROXIMITÉ 1
JOUR
1
PROXIMITÉ 2
�46
MODÈLES DE DÉTECTION
▸ Construction de la matrice de voisinage Mp
▸ Concaténation des matrices d'adjacence des graphes de proximités
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
PROXIMITÉ 1
JOUR
1
PROXIMITÉ 2
�46
MODÈLES DE DÉTECTION
▸ Construction de la matrice de voisinage Mp
▸ Concaténation des matrices d'adjacence des graphes de proximités{ {0 2 3 0 1 … 2 0 0 1 … 0 2 2 0 11 0 0 3 0 … 0 1 2 1 … 1 1 0 4 00 0 0 0 0 … 0 0 0 0 … 0 0 0 0 00 1 1 0 2 … 1 0 0 3 … 0 3 0 0 12 0 1 2 0 … 0 1 1 0 … 1 0 0 1 0… … … … … … … … … … … … … … … …( )M1 =
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
PROXIMITÉ 1
JOUR
1
PROXIMITÉ 2
�46
MODÈLES DE DÉTECTION
▸ Construction de la matrice de voisinage Mp
▸ Concaténation des matrices d'adjacence des graphes de proximités{ {0 2 3 0 1 … 2 0 0 1 … 0 2 2 0 11 0 0 3 0 … 0 1 2 1 … 1 1 0 4 00 0 0 0 0 … 0 0 0 0 … 0 0 0 0 00 1 1 0 2 … 1 0 0 3 … 0 3 0 0 12 0 1 2 0 … 0 1 1 0 … 1 0 0 1 0… … … … … … … … … … … … … … … …( )M1 = M1
Jaune,•
M1Vert,•
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�47
MODÈLES DE DÉTECTION
▸ Calcul des scores d'expression des points de vue Σ ▸ Score d'expression du point de vue σj par le profil vi pour la période p
Σi,j,p ={ cos(Mpi,•, Mp
σj,•)
Σi,j,p-1 0
si vi actif sur la période p
si vi inactif sur p et p-1sinon
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Jour Σ1,Jaune,p Σ1,Vert,p
1 Actif
2 Inactif3 Actif
v 1
�47
MODÈLES DE DÉTECTION
▸ Calcul des scores d'expression des points de vue Σ ▸ Score d'expression du point de vue σj par le profil vi pour la période p
Σi,j,p ={ cos(Mpi,•, Mp
σj,•)
Σi,j,p-1 0
si vi actif sur la période p
si vi inactif sur p et p-1sinon
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Jour Σ1,Jaune,p Σ1,Vert,p
1 Actif
2 Inactif3 Actif
v 1
cos(M11,•, M1
Jaune,•) cos(M11,•, M1
Vert,•)
�47
MODÈLES DE DÉTECTION
▸ Calcul des scores d'expression des points de vue Σ ▸ Score d'expression du point de vue σj par le profil vi pour la période p
Σi,j,p ={ cos(Mpi,•, Mp
σj,•)
Σi,j,p-1 0
si vi actif sur la période p
si vi inactif sur p et p-1sinon
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Jour Σ1,Jaune,p Σ1,Vert,p
1 Actif
2 Inactif3 Actif
v 1
cos(M11,•, M1
Jaune,•) cos(M11,•, M1
Vert,•)
Σ1,Jaune,1 Σ1,Vert,1
�47
MODÈLES DE DÉTECTION
▸ Calcul des scores d'expression des points de vue Σ ▸ Score d'expression du point de vue σj par le profil vi pour la période p
Σi,j,p ={ cos(Mpi,•, Mp
σj,•)
Σi,j,p-1 0
si vi actif sur la période p
si vi inactif sur p et p-1sinon
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
Jour Σ1,Jaune,p Σ1,Vert,p
1 Actif
2 Inactif3 Actif
v 1
cos(M31,•, M3
Jaune,•) cos(M31,•, M3
Vert,•)
cos(M11,•, M1
Jaune,•) cos(M11,•, M1
Vert,•)
Σ1,Jaune,1 Σ1,Vert,1
�47
MODÈLES DE DÉTECTION
▸ Calcul des scores d'expression des points de vue Σ ▸ Score d'expression du point de vue σj par le profil vi pour la période p
Σi,j,p ={ cos(Mpi,•, Mp
σj,•)
Σi,j,p-1 0
si vi actif sur la période p
si vi inactif sur p et p-1sinon
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�48
MODÈLES DE DÉTECTION
▸ Prédiction des points de vue des profils par période
Prédictionp(vi) = { arg maxj(Σi,j,p)
Indéterminé
si Σi,j,p ≠ 0
sinon
Jour
1
23
Actif
InactifActif
Σ1,Jaune,p
0,1
0,10,4
Σ1,Vert,p
0,6
0,60,3
v 1ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�48
MODÈLES DE DÉTECTION
▸ Prédiction des points de vue des profils par période
Prédictionp(vi) = { arg maxj(Σi,j,p)
Indéterminé
si Σi,j,p ≠ 0
sinon
Jour
1
23
Actif
InactifActif
Σ1,Jaune,p
0,1
0,10,4
Σ1,Vert,p
0,6
0,60,3
v 1ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�48
MODÈLES DE DÉTECTION
▸ Prédiction des points de vue des profils par période
Prédictionp(vi) = { arg maxj(Σi,j,p)
Indéterminé
si Σi,j,p ≠ 0
sinon
Jour
1
23
Actif
InactifActif
Σ1,Jaune,p
0,1
0,10,4
Σ1,Vert,p
0,6
0,60,3
Prédiction
v 1ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�49
MODÈLES DE DÉTECTION
▸ Expérimentations : Présidentielles françaises (Nov. 16 — Mai 17)
FI PS EM LR FN
France Insoumise 5 113 228 33 4 22
Parti Socialiste 1 832 151 2 3
En Marche ! 3 962 148 1
Les Républicains 4 366 211Front National 3 376
ÉVOLUTION DES POINTS DE VUE1èr
e affi
liatio
n
2nde affiliation
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�49
MODÈLES DE DÉTECTION
▸ Expérimentations : Présidentielles françaises (Nov. 16 — Mai 17)
FI PS EM LR FN
France Insoumise 5 113 228 33 4 22
Parti Socialiste 1 832 151 2 3
En Marche ! 3 962 148 1
Les Républicains 4 366 211Front National 3 376
18 649 profils
ÉVOLUTION DES POINTS DE VUE1èr
e affi
liatio
n
2nde affiliation
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�49
MODÈLES DE DÉTECTION
▸ Expérimentations : Présidentielles françaises (Nov. 16 — Mai 17)
FI PS EM LR FN
France Insoumise 5 113 228 33 4 22
Parti Socialiste 1 832 151 2 3
En Marche ! 3 962 148 1
Les Républicains 4 366 211Front National 3 376
18 649 profils
803 profils
ÉVOLUTION DES POINTS DE VUE1èr
e affi
liatio
n
2nde affiliation
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�49
MODÈLES DE DÉTECTION
▸ Expérimentations : Présidentielles françaises (Nov. 16 — Mai 17)
▸ 2 ensembles de profils-graines : SPARTIS et SCANDIDAT·E·S
▸ 1 proximité : Cite (Retweet)
▸ Période : Jour
FI PS EM LR FN
France Insoumise 5 113 228 33 4 22
Parti Socialiste 1 832 151 2 3
En Marche ! 3 962 148 1
Les Républicains 4 366 211Front National 3 376
18 649 profils
803 profils
ÉVOLUTION DES POINTS DE VUE1èr
e affi
liatio
n
2nde affiliation
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�50
MODÈLES DE DÉTECTION
▸ Scores macro par jour
SPARTIS
SCANDIDAT·E·S
1er tour
2ème tour
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�50
MODÈLES DE DÉTECTION
▸ Scores macro par jour
SPARTIS
SCANDIDAT·E·S
+3 points / jour
1er tour
2ème tour
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Changements de points de vue ?
�51
MODÈLES DE DÉTECTION ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
FI
FI
PS
PS
EM
EM
LR
LRFN
FNS52 S10 S15S05
▸ Observation qualitative des prédictionspar semaine avec SPARTIS
1er tour2ème tour▸ Changements de points de vue ?
�51
MODÈLES DE DÉTECTION ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
FI
FI
PS
PS
EM
EM
LR
LRFN
FNS52 S10 S15S05
▸ Observation qualitative des prédictionspar semaine avec SPARTIS
1er tour2ème tour
▸ Proximité Front National / Les Républicains
▸ Changements de points de vue ?
�51
MODÈLES DE DÉTECTION ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
FI
FI
PS
PS
EM
EM
LR
LRFN
FNS52 S10 S15S05
▸ Observation qualitative des prédictionspar semaine avec SPARTIS
1er tour2ème tour
▸ Proximité Front National / Les Républicains▸ Reports de voix vers En Marche ! après la publication du programme
▸ Changements de points de vue ?
�51
MODÈLES DE DÉTECTION ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
FI
FI
PS
PS
EM
EM
LR
LRFN
FNS52 S10 S15S05
▸ Observation qualitative des prédictionspar semaine avec SPARTIS
1er tour2ème tour
▸ Proximité Front National / Les Républicains▸ Reports de voix vers En Marche ! après la publication du programme▸ Reports de voix après le 1er tour
▸ Changements de points de vue ?
�51
MODÈLES DE DÉTECTION ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�52
MODÈLES DE DÉTECTION
▸ Détection de changements pour 20% des profils
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�52
MODÈLES DE DÉTECTION
▸ Détection de changements pour 20% des profils
▸ Extraction de la vérité terrain : points de vue reportés dans les biographies
▸ 1 point de vue : 2 699 profil
▸ 2+ points de vue : 294 profils
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�52
MODÈLES DE DÉTECTION
▸ Détection de changements pour 20% des profils
▸ Extraction de la vérité terrain : points de vue reportés dans les biographies
▸ 1 point de vue : 2 699 profil
▸ 2+ points de vue : 294 profils
▸ Dates des changements de points de vue connues
0
5
10
15
Dec. 16 Jan. 17 Fev. 17 Mars 17 Avr. 17
Nombredechangements
depointsdevue
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�53
MODÈLES DE DÉTECTION
▸ Précision macro par jour avec SPARTIS pour les profils changeant de point de vue1er tour
2èmetour
ÉVOLUTION DES POINTS DE VUE
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�54
MODÈLES DE DÉTECTION
➡ Bilan : ▸ Modèle utilisant le minimum de données annotées
▸ Confirme la difficulté d'observer des changements de points de vue sur les médias sociaux ▸ Biais : Profils s'exprimant plus militants
▸ Changements visibles via les proximités avant leur annonce
ÉVOLUTION DES POINTS DE VUE
CONCLUSION
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�56
CONCLUSION RÉSUMÉ DES CONTRIBUTIONS
▸ Constitution d'un nouveau jeu de données : #Élysée2017fr ▸ Annotation manuelle de 23 000 profils Twitter
▸ Appartenance politique et nature des profils
▸ Réseaux de retweets et de mentions disponibles
▸ Nombreuses utilisations possibles
▸ 2 modèles semi-supervisés de détection des points de vue ▸ Génériques
▸ Combinant plusieurs proximités
▸ Fonctionnant avec au plus 3% de données annotées
▸ Précision > 90% avec 1 profil-graine par point de vue
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
▸ Comment exploiter efficacement les similarités inter-profils ? ▸ Définition générique des proximités
▸ Existe-t-il un intérêt à considérer plusieurs similarités ? ▸ Modèle plus robuste lorsque les proximités les plus précises
s'appuient sur les autres proximités
▸ Les profils expriment-ils plusieurs points de vue sur les médias sociaux ? ▸ Phénomène présent mais marginal
▸ Biais de représentativité des profils s'exprimant
�57
CONCLUSION RÉSUMÉ DES CONTRIBUTIONS
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�58
CONCLUSION
▸ Proximités plus fines ▸ Aspect textuel approfondi
▸ Meilleure gestion de l'aspect géographique
▸ Prise en compte d'informations complémentaires
▸ Lien temporel entre périodes ▸ Prise en compte de l'incertitude
PERSPECTIVES
COURT TERME
LONG TERME
MERCI
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�60
CONTEXTE DÉFINITIONS
▸ Verbalisations produites par de nombreux profils ▸ Conscients que d'autres réagissent ▸ Possibilité d'atteindre un but ▸ Sujets importants et ancrés dans la culture commune ▸ Conflits lorsque les points de vue diffèrent
Allpo
rt (1
937)
?POINTS DE VUE
MÉDIAS SOCIAUX
NUMÉRIQUES
DÉTECTION DE POINTS DE VUE SUR LES MÉDIAS SOCIAUX NUMÉRIQUES
OPHÉLIE FRAISIER-VANNIER
07/12/18
�61
MODÈLES DE DÉTECTION
▸ Scores macro par jour avec SPARTIS pour les profils changeant de point de vue1er tour
2èmetour
ÉVOLUTION DES POINTS DE VUE