Mettre le son et cliquer a votre rythme pour avancer ! Nouvel argus … de l'amour.
13 avril 2015 LES INNOVATIONS DANS LA SOCIAL MEDIA ... · LA COMMUNICATION NOUS REUNIT,...
Transcript of 13 avril 2015 LES INNOVATIONS DANS LA SOCIAL MEDIA ... · LA COMMUNICATION NOUS REUNIT,...
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
massives et le machine learning ?
Odile Quesnel - Responsable ArgusLab
ARGUS DE LA PRESSE 2 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
L’ARGUS, SES SERVICES & SON TERRAIN DE JEU
ARGUS DE LA PRESSE 3 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
DEVELOPPEMENT &
ANTICIPATION
VEILLE
STRATEGIQUE
ANALYSE
STRATEGIQUE
CONTACT
STRATEGIQUE
REPUTATION &
INFLUENCE
VEILLE
MEDIA
ANALYSE
MEDIA
ENGAGEMENT
MEDIA
ARGUS DE LA PRESSE
ENJEUX & EXPERTISES
ARGUS DE LA PRESSE 4 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
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
ARGUS DE LA PRESSE 5 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
UN PEU DE THEORIE
ARGUS DE LA PRESSE 6 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
DE QUOI PARLE-T-ON ?
Jordan Awan
ARGUS DE LA PRESSE 7 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
• 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.
ARGUS DE LA PRESSE 8 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
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
ARGUS DE LA PRESSE 9 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
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
ARGUS DE LA PRESSE 10 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
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
ARGUS DE LA PRESSE 11 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
ALGORITHMES ET MACHINE LEARNING A L’ARGUS
DE LA THEORIE A L’ACTION
ARGUS DE LA PRESSE 12 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
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
QUELLES 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
ARGUS DE LA PRESSE 13 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
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
UNE CHAÎNE DE VALEUR POUR DES SPHÈRES D’USAGES MULTIPLES
Data scientist
Linguiste
Développeur
Chief Data Officer
Architecte
Linguiste - Mathématicien
ARGUS DE LA PRESSE 14 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
LEVER 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
ARGUS DE LA PRESSE 15 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
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 mots ou des expressions
Un mot a un contexte qui contribue au sens
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 d’autres variables comme la durée de la tendance sur les périodes passées, le nombre de médias qui en parlent, etc.
ARGUS DE LA PRESSE 16 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT
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
DES FONCTIONS ADAPTÉES A CHAQUE SPHÈRE D’USAGE
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