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 L’ARGUS, SES SERVICES & SON TERRAIN DE JEU LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 2 ENJEUX & EXPERTISES ARGUS DE LA PRESSE VEILLE STRATEGIQUE VEILLE MEDIA DEVELOPPEMENT & ANTICIPATION REPUTATION & INFLUENCE CONTACT STRATEGIQUE ANALYSE STRATEGIQUE LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ENGAGEMENT MEDIA ANALYSE MEDIA ARGUS DE LA PRESSE 3 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 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 4 UN PEU DE THEORIE LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 5 DE QUOI PARLE-T-ON ? Jordan Awan LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 6 MAIS ENCORE ? 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. • • • • 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 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 D’après Melanie Warrick LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 7 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 Apprentissage supervisé Apprentissage non 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 • • 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. 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 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. LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 8 NOS MACHINES LES PLUS INTELLIGENTES SONT TOUJOURS AVEUGLES http://www.ted.com/talks/fei_fei_li_how_we_re_teachin g_computers_to_understand_pictures#t-477527 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 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 9 OU COMMENT ENSEIGNER AUX MACHINES A COMPRENDRE UNE PHOTO Que dit l’ordinateur quand il voit une image La machine a appris comme un enfant de 0 à 3 ans, Elle fait des erreurs Le défi suivant est d’aller de 3 à 13 ans LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 10 ALGORITHMES ET MACHINE LEARNING A L’ARGUS DE LA THEORIE A L’ACTION LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 11 QUELLES ROUTES TRACER ? 60 000 contacts et influenceurs médias & sociaux Un territoire complexe et mouvant 8 500 Publications Presse France & International Des contenus hétérogènes dans leur forme et leur langage Des données structurées et qualifiées Des données à extraire pour donner du sens 270 Radios et TV 10 500 Sites Internet éditoriaux France & International Un monde à révéler Web social : blogs & réseaux sociaux Web corporate & Institutionnel De multiples destinations • 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 …….. LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT 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 ARGUS DE LA PRESSE 12 UNE CHAÎNE DE VALEUR POUR DES SPHÈRES D’USAGES MULTIPLES Lever les contraintes de format Des contenus cross media et des données intelligibles Architecte Des données enrichies et contextualisées Systèmes de représentation et de navigation pour exploiter contenus et connaissance extraite en contexte Développeur Data scientist Linguiste Chief Data Officer Linguiste - Mathématicien LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 13 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 D’après Pascale Sébillot Inria Reconnaissance automatique de la parole Hypothèse de transcription avec une mesure de confiance sur des modèles de langue et acoustiques LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 14 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 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. LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT Catégorisation des contenus textuels Classificateur de texte par l’apprentissage, à partir d’une série des documents préclassifiés 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 ARGUS DE LA PRESSE 15 DES FONCTIONS ADAPTÉES A CHAQUE SPHÈRE D’USAGE Rechercher Produire de la valeur sur le contenu : Mesure Indicateurs Aider au repérage “Prendre ce que l’on a et le faire parler” Proposer des endroits à écouter Etudier viralité Valoriser le contenu Aider à la décision Exploiter la mesure Tendances Cartographier relations et interactions 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 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 LA COMMUNICATION NOUS REUNIT, L’INFORMATION VOUS ENRICHIT ARGUS DE LA PRESSE 16 Merci pour votre attention [email protected]