1. Projet
ImagiWeb
BLEND
2013
–
Julien
Velcin
Université
Lyon
2

2. • Projet
financé
par
l’ANR
(2012-­‐2015)
et
soutenu
par
les
pôles
de
compéMMvité
• ObjecMf
du
projet
:
analyser
la
dynamique
de
l’image
(représentaMon)
d’une
enMté
sur
Internet
• Points
forts
:
– Analyse
jointe
des
opinions
et
des
individus
– ImplicaMon
de
chercheurs
en
SHS
2
hVp://mediamining.univ-­‐lyon2.fr/people/velcin/imagiweb
PrésentaMon
générale

3. Partenaires
du
projet
éditeur
de
logiciel
pour
la
veille
sociologues
spécialistes
sciences
poliMques
uMlisateurs,
étude
sémiologique
data
mining,
apprenMssage
automaMque
fouille
de
textes
et
d’opinion,
recherche
d’informaMon
TAL,
extracMon
d’informaMon
porteur
3

4. 4
!"#$%&'
("$)*"+,$)&'
)-.'/')"$*)0*1&)&2'
3455)&'0461#7,)&'
(5+8)'
%51&)'
(5+8)'
0)*9,)'
(5+8)'
0)*9,)'
(5+8)'
0)*9,)'
:455)"$+1*)&'
;%<1+&'<)'
=455,"1=+#4"'
>&1$)&'?)@2'06+7,)A)2')$=.B'
C"+6D&)'<)&'<4""%)&'
<E)-0*)&&14"'
C"+6D&)'<)&'
040,6+#4"&'
F))<@+=G' (;CH(I!J'
%5)A),*&'
%5)A),*&'
*%=)0$),*&'
*%=)0$),*&'
*%=)0$),*&'
Schéma
général

5. AVribut
Bilan
Compétence
Ethique
InjoncMon
Performance
Personne
PosiMonnement
Projet
Image
:
exemple
de
l’homme
poliMque
5

6. AcquisiMon
des
données
• Trois
sources
iniMalement
prévues
:
– Blogs
(~1500
sites
sur
la
poliMque)
– TwiVer
– Facebook
• Le
ciblage
des
données
:
– Requêtes
formulées
en
accord
entre
AMI
soeware
et
le
partenaire
uMlisateur
(CEPEL
et
EDF)
– EchanMllonnage
aléatoire
sur
chaque
mois
de
la
période
concernée
pour
l’annotaMon
6

7. • ApplicaMon
Web
pour
annoter
tweets
et
blogs
7
Plate-­‐forme
d’annotaMon
(Sarkozy,
-­‐
)
(Sarkozy,
bilan,
-­‐-­‐
)
(Sarkozy,
communicaMon,
+
)
(Sarkozy,
compétence,
+
)

8. 8
Sor'e
:
ensemble
de
marqueurs
d’opinion
=
tuples
(enMté,
date,
auteur,
message,
cible,
polarité)
Plate-­‐forme
d’annotaMon
Cibles
Iden'fiant
Polarité
«
…ce
que
Sarkozy
n’a
pas
fait
en
5
ans…
»

9. Quelques
staMsMques
• 7273
tweets
annotés
pour
le
cas
d’étude
des
hommes
poliMques
(54%
pour
N.
Sarkozy
et
46%
pour
F.
Hollande)
• ~50%
ont
été
annotés
au
moins
deux
fois
• En
appliquant
certaines
règles
de
compaMbilité,
17
à
19%
de
désaccord
sur
l’opinion
et
32%
sur
la
cible
• 53%
de
tweets
plutôt
négaMfs
contre
18%
posiMfs
• Les
cibles
les
plus
visées
:
en'té
(opinion
générale)
23%,
posi'onnement
13%,
éthique
11%
9

10. 10

11. 11

12. • Entrée
:
ensemble
des
tuples
(enMté,
date,
auteur…)
• Comment
suivre,
afficher,
interroger
ces
images
?
12
InjoncMon
EnMté
AVribut
ConstrucMon
et
suivi
des
images

13. ParMcipaMon
d’ERIC
au
projet
• Management
général
du
projet
(J.
Velcin)
• Suivi
des
images
d’enMté
dans
le
temps
(post-­‐doc
de
Young-­‐Min
Kim,
co-­‐dirigé
avec
S.
Bonnevay)
• Emergence
de
nouvelles
cibles
de
l’opinion
(post-­‐doc
de
Marian-­‐Andréi
Rizoiu,
co-­‐dirigé
avec
S.
Bonnevay)
• ExtracMon
jointe
des
thémaMques
et
des
opinions
(thèse
CIFRE
de
Mohamed
Dermouche,
co-­‐dirigé
avec
S.
Loudcher
et
L.
Khouas
-­‐AMI
Soeware-­‐)
• Diffusion
de
l’informaMon
dans
les
réseaux
sociaux
(thèse
d’Adrien
Guille,
dirigé
par
D.A.
Zighed
et
C.
Favre)
• Méthodes
hybrides
pour
la
classificaMon
des
opinions
(stage
de
Pavel
Soriano,
dirigé
par
J.
Ah-­‐Pine)
13