Lien 
vers le site de l'ENS
ÉCOLE NORMALE SUPÉRIEUREPARIS
Lien vers l'accueil
lancer la recherche

» Conférences d’après mars 2011 : nouveau site

2780

Réseaux sociaux, analyse et data mining

< précédent | 

Apprentissage et inférence sur les réseaux sociaux. Exemples pour l’analyse de textes
Ludovic Denoyer (Paris VI)

16 février 2010

Les nouvelles données du Web 2.0 sont des données qui possèdent à la fois une information de contenu – texte, image, etc. – mais aussi tout un ensemble d’informations relationnelles comme par exemple des liens dans le cas du Web, mais aussi des informations extraites du réseau social sous-jacent à ces données. Or les modèles d’apprentissage classiques ne sont pas capables de gérer à la fois le contenu et ces relations. Qui plus est, ces données sont fortement dynamiques et changent très rapidement, notamment à travers des phénomènes de diffusion et de propagation d’informations qui ne sont pas réellement pris en compte dans les modèles courants. Nous présentons ici une nouvelle famille de modèles capables de tenir compte à la fois du contenu et de la structure des données sociales. Nous détaillons plus précisément une variante de ce modèle appliqué à l’ordonnancement de labels – ou tags – pour l’annotation de données dans un réseau social. Le modèle présenté est capable d’utiliser aussi bien des informations relationnelles implicites comme les similarités de contenu ou les informations relationnelles explicites comme l’amitié entre deux utilisateurs, ou le fait que deux éléments possèdent le même auteur. Il est basé sur un algorithme transductif qui apprend à la fois à partir d’éléments déjà annotés et d’éléments à annoter. Nous concluons par la présentation de pistes de recherche nouvelles dans le cadre des réseaux sociaux, et principalement nous présenterons les travaux préliminaires effectués dans le cadre de la prise en compte de données multi-relationnelles et dans celui de la propagation dynamique d’informations de contenu.

Écouter
pictogrammeformat audio mp3 - 51.18 Mo

Télécharger
pictogrammeFormat pdf - 7.46 Mo

Ludovic Denoyer Ludovic Denoyer (Paris VI)