Cadre générique pour le traitement et l'analyse multidimensionnelle des réseaux sociaux : une approche proxémique

Generic framework for the multidimensional processing and analysis of social media content : a proxemic approach

• Auteur / Autrice : Maxime Masson
• Direction : Christian Sallaberry, Rodrigo Agerri, Marie-Noëlle Bessagnet, Philippe Roose
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 23/09/2024
• Etablissement(s) : Pau en cotutelle avec Universidad del País Vasco. Facultad de ciencias
• Ecole(s) doctorale(s) : École doctorale sciences exactes et leurs applications (Pau, Pyrénées Atlantiques ; 1995-)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de l'Université de Pau et des pays de l'Adour (Pau)
• Jury : Président / Présidente : Ana-Maria Olteanu-Raimond
• Jury : Examinateurs / Examinatrices : Christian Sallaberry, Rodrigo Agerri, Marie-Noëlle Bessagnet, Philippe Roose, Elena Cabrio, Josiane Mothe, Maguelonne Teisseire
• Jury : Rapporteurs / Rapporteuses : Elena Cabrio, Josiane Mothe

Mots clés

Mots clés contrôlés

Proxémique

Réseaux sociaux

Recherche de l'information

Mots clés libres

Information Extraction (IE)

Natural Language Processing (NLP)

Decision support systems

Proxemics

Social media

Data visualization

Extraction d'information

Traitement automatique du langage (TAL)

Systèmes d'aide à la décision

Proxémique

Réseaux sociaux

Visualisation de données

Résumé

Cette thèse introduit un nouveau cadre de travail multilingue, le framework APs, conçu pour simplifier le traitement et l'analyse des données des réseaux sociaux. Ce framework est générique sur deux aspects : il peut être appliqué à différentes plateformes de réseaux sociaux et est adaptable à différents domaines d'application. La généricité du framework à des domaines d'application variés est permise grâce à l'utilisation de représentations sémantiques des connaissances du domaine. Le framework APs vise à extraire des connaissances de manière indépendante du domaine à partir des réseaux sociaux pour des utilisateurs non-informaticiens, tels que les parties prenantes dans divers domaines, enrichissant ainsi leurs processus d'analyse. Le framework est structuré en quatre phases.Dans la phase de Collecte, une méthodologie itérative est proposée pour construire des jeux de données thématiques à partir des réseaux sociaux. Elle vise à surmonter les difficultés liées à la création de jeux de données précis et exhaustifs dans un contexte volumineux et bruyant. Cette méthodologie évolue des techniques d'extraction ad hoc vers un processus semi-automatique, intégrant des retours humains et des techniques de filtrage basées sur le contenu et les métadonnées, en lien avec des descriptions sémantiques des domaines. Son objectif est de fournir une méthode standardisée pour la construction de tels jeux de données.Dans la phase de Transformation, l'accent est mis sur la transformation de données textuelles multilingues et non structurées en connaissances structurées pour un domaine spécifique. Trois tâches récurrentes sont abordées : la détection des sentiments, la reconnaissance des entités nommées pour les lieux, et l'extraction de concepts thématiques. Pour pallier le manque de ressources d'entraînement multilingues, un nouveau jeu de données annoté est créé pour le secteur du tourisme. L'étude compare des méthodes d'analyse multilingue basées sur des règles et sur l'apprentissage automatique, cherchant à minimiser les efforts d'annotation manuelle tout en préservant la qualité des résultats.Dans la phase d'Analyse, l'idée d'adapter la théorie de la proxémique aux réseaux sociaux est explorée pour élaborer des indicateurs pertinents pour divers domaines. Un modèle de données proxémique est créé, permettant de représenter les entités et leurs interactions de manière générique. ProxMetrics, un ensemble d'outils, est introduit pour créer des indicateurs composite exprimés comme des mesures de similarité proxémiques. Ces outils sont validés en collaboration avec un office de tourisme local.Enfin, dans la phase de Valorisation, l'accent est mis sur la rendu des indicateurs et des analyses des réseaux sociaux accessibles à des utilisateurs non spécialisés. TextBI, un tableau de bord multidimensionnel, est proposé pour visualiser des annotations et des indicateurs multidimensionnels sur des jeux de données multilingues provenant des réseaux sociaux. Ce tableau de bord est polyvalent et fonctionne dans différents domaines, tant que les données adhèrent au modèle de données proxémique.

This thesis introduces a novel framework, the APs Framework, designed to streamline the processing and analysis of social media data. This framework is generic in two aspects: it can be applied across various social media platforms and is adaptable to different application domains. The application domain genericity is supported by semantic representations of domain knowledge. The APs Framework aims to provide domain-independent insights from social media to non-computer scientists, such as stakeholders in various domains, thereby enhancing their analytical capabilities. It is structured into four phases.In the Collect phase, a generic and iterative methodology for constructing thematic datasets from social media is proposed. This approach seeks to mitigate the challenges of creating accurate and representative datasets amidst the voluminous and noisy nature of social media. It aims to shift from ad hoc extraction techniques, prevalent in existing studies, to a more systematic, semi-automatic process. This methodology incorporates human feedback at various stages and utilizes both content-based and metadata-based filtering techniques, alongside semantic domain descriptions, to offer a standardized and reusable method for thematic dataset building from social media.The Transform phase tackles the challenge of converting multilingual, unstructured text data into structured knowledge within a given application domain. It concentrates on three pivotal knowledge extraction tasks: (1) Sentiment Analysis, (2) NER for Locations, and (3) Fine-grained Thematic Concept Extraction. Given the scarcity of multilingual training resources in the tourism domain, the process of manually generating a novel annotated training dataset for this domain is detailed. Subsequently, the thesis explores optimal strategies for the multilingual analysis of social media content in tourism, comparing rule-based and deep learning-based approaches. This exploration aims to identify the minimal number of annotated examples necessary for achieving competitive results across these tasks, leveraging various training techniques and language models. This phase addresses the challenge of minimizing manual annotation efforts without compromising the results' quality.In the Analyze phase, we hypothesize that adapting the theory of proxemics, traditionally applied in physical contexts, to social media could offer a novel approach to crafting meaningful, domain-independent indicators for various end-users. The theory is formally redefined, leading to the development of a modular and extensible proxemic data model. This model is capable of representing social media entities and their interactions in a domain-independent manner. Leveraging this model, ProxMetrics, a toolkit and formula for generating adaptable indicators from social media, is introduced. These indicators, conceptualized as proxemic similarity measures, span multidimensional social media entities, including users, groups, places, themes, and temporal periods. They are highly customizable, allowing for the adjustment of the proxemic dimensions (DILMO) to address various domain requirements.Finally, the Valorize phase addresses the challenge of presenting social media indicators and analyses to non-computer scientist users, such as domain stakeholders, in an accessible and domain-independent manner. To this end, TextBI, a multimodal generic dashboard, is proposed. This tool is designed to display multidimensional annotations and indicators over multilingual social media data, focusing on various core dimensions. The dashboard offers various visualization modes, including frequency, movement, association, and proxemics, combining features from BI, GIS, and linguistic information visualization tools. Unlike most existing dashboards, it is generic to operate across different domains, provided the data adheres to the specified data model.