Analyse sémantique des publications dans les réseaux sociaux par apprentissage profond

Abstract

Avec la croissance explosive des données sur les réseaux sociaux, la fouille sémantique des statuts est devenue inéluctable pour la prise de decision. Dans ce projet, notre objectif est d’analyser les publicat ions sur les réseaux sociaux en s’inspirant des techniques de classification automatique de données textuelles. Ceci, afin de pouvoir filtrer les messages comme ceux à propos racistes et violents, qui consiste souvent une minorité. De ce fait, cette analyse doit notamment prendre en considération les corpus déséquilibrés. Pour atteindre notre objectif, tout d'abord, différents algorithmes de classification sont testés afin de comparer leurs performances. Nous proposons une analyse des tweets à travers une combinaison de deux algorithmes d’apprent issage automat ique CNN et LSTM. De plus pour répondre au problème des corpus déséquilibrés, nous proposons une technique de suréchantillonnage appelée « Semantic-Oversampling ».

Les expériences menées sur les solutions

proposées ont achevés des résultats satisfaisants.

Mots clés : Classification supervisé, Classification non supervisé, Corpus de données déséquilibré, Oversampling, Réseaux sociaux, Réseaux de neurones profond, LSTM, Twitter.

With the explosive growth of data on social networks, the semantic analysis of statutes has become unavoidable for decision-making. In this project, our goal is to analyze publications on social networks by using techniques of automatic classification of textual data. And this, in order to be able to filter messages like those about racism and violence, which is often a minority. As a result, this analysis must take into account the unbalanced corpora. To achieve our goal, firstly, different classification algorithms are tested to compare their performance. We propose an analysis of tweets through a combination of two machine learning algorithms CNN and LSTM. Moreover, to answer the problem of unbalanced corpora, we propose a technique of oversampling called "Semantic-Oversampling". The experiments conducted on the proposed solutions have achieved satisfactory results.

Keywords: Supervised Classification, Unsupervised Classification, Unbalanced Data Corpus, Oversampling, Social Networks, Deep neural networks, LSTM, Twitter.