Séminaire DIXIT - Les nouvelles frontières de la « data intelligence » : content analytics, machine-learning, prédictif
13 avril 2015
LES INNOVATIONS DANS LA SOCIAL MEDIA INTELLIGENCE Expérience informationnelle et exploitation analytique des données :
comment aller au-delà des discours très généraux sur les données
L’ARGUS, SES SERVICES & SON TERRAIN DE JEU
DEVELOPPEMENT
&
ANTICIPATION VEILLE STRATEGIQUE
ANALYSE STRATEGIQUE CONTACT
STRATEGIQUE
REPUTATION
&
INFLUENCE VEILLE
MEDIA
ANALYSE MEDIA ENGAGEMENT
MEDIA
ARGUS DE LA PRESSE
ENJEUX & EXPERTISES
SOCIAL MEDIA & TERRITOIRES DE L’INFORMATION
• Un monde en permanence « augmenté »
• le data exhaust bouscule les processus de production et d’accès aux contenus
Dans ce contexte de données massives les cloisonnements traditionnels tombent
Les décideurs attendent des réponses de la part des professionnels de l’information, de la communication comme du marketing
Apprécier les contenus nécessite de passer par du cross-media
UN PEU DE THEORIE
DE QUOI PARLE-T-ON ?
Jordan Awan
• S’agit-il de prédire un prix, ou une catégorie ?
• Souhaite-t-on un apprentissage au fil de l’eau ou statique ?
• Quelles variables cibles souhaite-ton prédire au moyen de quelles variables prédictives ?
• A-t-on par avance une idée du type de relation qui lie les variables prédictives à la variable cible ?
=> Plusieurs types d'algorithmes ML à choisir et à appliquer en fonction de l'objectif et du type de données
D’après Melanie Warrick
MAIS ENCORE ?
Ce qui manque par la connaissance « objective » et un modèle explicatif nous le chercherons par les données
S’il n’y a pas d’algorithme idéal nous avons des données pour apprendre
Le Machine Learning a donc pour objectif d’élaborer et d’optimiser des algorithmes pour optimiser des processus d’apprentissage et concevoir des modèles prédictifs.
Apprentissage supervisé
• Anticiper la gestion des stations de vélos en libre accès sachant que ….
• Eviter d’être pollué par des messages publicitaires sachant que …
La classification consiste à identifier les classes d'appartenance de nouveaux objets à partir d'exemples antérieurs connus
La régression prédit les valeurs possibles d'une ou plusieurs variables à partir des anciennes valeurs relevées
Apprendre d’une relation , la phase
d’apprentissage consiste à trouver les bonnes questions à poser pour catégoriser correctement un ensemble
Généraliser à partir de ce qu'on connaît déjà
Apprentissage non supervisé
• Répartir un ensemble de prospects en niches quand on ignore la segmentation du marché
• Prévoir quels seront les clients potentiels pour un produit, à partir des données d’achat de déplacement
• des données qui peuvent se classer dans un trop grand nombre de catégories.
Découvrir des structures cachées dans les données plutôt que de « généraliser » à partir d’un corpus exemple.
Il ne s’agit pas de « profiler » complètement les processus
Si les corrélations n’expliquent pas tout, elles aident à détecter certains motifs ou
régularités.
APPRENDRE ?
Construire des systèmes autonomes que l’on pourra « éduquer » sur la base d’un corpus d’exemples pertinents pré existant ou que le système fera émerger
http://www.ted.com/talks/fei_fei_li_how_we_re_teachin g_computers_to_understand_pictures#t-477527
NOS MACHINES LES PLUS INTELLIGENTES SONT TOUJOURS AVEUGLES
Modèles de réseaux neuronaux :
le laboratoire d’IA de Stanford dirigé par Fei Fei Li a créé un logiciel capable de reconnaître des scènes fixes photographiés et de les décrire en langage naturel .
Projet de catégorisation en crowdsourcing
Que dit l’ordinateur quand il voit une image
OU COMMENT ENSEIGNER AUX MACHINES A COMPRENDRE UNE PHOTO
La machine a appris comme un enfant de 0 à 3 ans,
Le défi suivant est d’aller de 3 à 13 ans Elle fait des erreurs
ALGORITHMES ET MACHINE LEARNING A L’ARGUS
DE LA THEORIE A L’ACTION
8 500 Publications Presse France &
International 270 Radios et TV
10 500 Sites Internet éditoriaux France & International
60 000 contacts et influenceurs médias & sociaux
Web social : blogs & réseaux sociaux
Web corporate & Institutionnel
Q UELLES ROUTES TRACER ?
Des contenus hétérogènes dans leur forme et leur langage Des données structurées et qualifiées
Des données à extraire pour donner du sens
• Vision à 360 de son marché
• Connaître les évolutions et les tendances
• Identifier les menaces & opportunités
• Détecter & analyser les leviers de croissance
• Détecter de nouveaux prospects
• Détection et suivi des signaux d’alertes
……..
Un territoire complexe et mouvant
Un monde à révéler
Apprendre à partir des jeux de données Identifier des schémas via l’exploration
Des données correctement préparées & des stratégies soigneusement considérées
Des outils et des méthodologies qui mobilisent :
• Traitement automatique de la langue
• Modèles algorithmiques et apprentissage automatique
• Content analytics
De multiples destinations
Lever les contraintes de format
Des contenus cross media et des données intelligibles
Des données enrichies et contextualisées
Systèmes de
représentation et de navigation pour
exploiter contenus et connaissance
extraite en contexte
U NE C HAÎNE D E V ALEUR P OUR D ES S PHÈRES D’ USAGES M ULTIPLES
Data scientist Linguiste Développeur
Chief Data Officer Architecte
L EVER LES CONTRAINTES DE FORMAT
OCR - Reconnaissance automatique de caractères
• Comparer sur un corpus de formes connues
• Retenir les formes les plus proches
• Traiter sur méthodes linguistiques et contextuelles pour réduire le nombre d'erreurs de reconnaissance
Reconnaissance automatique de la parole
Hypothèse de transcription avec une mesure de confiance sur des modèles de langue et acoustiques
D’après Pascale Sébillot Inria
DES DONNEES INTELLIGIBLES & ENRICHIES
Extraction de relations
Apprentissage d’un classificateur classant chaque phrase avec au moins deux EN et un déclencheur
=> relation / pas de relation
=> relation positive ou négative
Catégorisation des contenus textuels
Classificateur de texte par l’apprentissage, à partir d’une série des documents pré-
classifiés ou de caractéristiques de catégories d’intérêts
L’’algorithme ventile dans des classes différenciées et ce sur la base du critère de similarité entre documents
Analyse de sentiments
Apprentissage de l’orientation sémantique des Signaux forts et faibles
Algorithme de « régression linéaire
Comptages de présence d’information sur des périodes => montrer une tendance constatée.
Une dimension prédictive => faire intervenir
Valoriser le contenu Aider à la décision Exploiter la mesure
Tendances Aider au repérage
“Prendre ce que l’on a et le faire parler”
Produire de la valeur sur le contenu :
Mesure Indicateurs
Proposer des endroits à écouter Etudier viralité
Cartographier relations et interactions cross media
Rechercher
D
ES FONCTIONSA
DAPTÉESA C
HAQUES
PHÈRED’
USAGEComprendre la propagation d’une information, les processus de contamination - Explorer dans une multitude de signaux
=> Des modèles existants et de nouveaux modèles à construire
• Dans des formes variées de trajectoires de notoriété.
discriminer ce qui relève de la « contagion » et ce qui ressort des différentes formes d’éditorialisation cross media
Faire émerger une histoire pertinente Découverte de faits intéressants
Mise en évidence de tendances cachées
=> D’une histoire complexe à un graphique interactif, personnalisable