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 massives et le machine learning ?

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

A

A C

S

D’

Comprendre 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

Merci pour votre attention

odile.quesnel@argus-presse.fr