Détection des influenceurs dans des médias sociaux

Influencer detection in social media

• Auteur / Autrice : Kévin Deturck
• Direction : Frédérique Segond
• Type : Thèse de doctorat
• Discipline(s) : Traitement automatique des langues
• Date : Soutenance le 18/11/2021
• Etablissement(s) : Paris, INALCO
• Ecole(s) doctorale(s) : École doctorale Langues, littératures et sociétés du monde (Paris)
• Partenaire(s) de recherche : Laboratoire : Equipe de Recherche Textes, Informatique, Multilinguisme (Paris)
• Jury : Examinateurs / Examinatrices : Frédérique Segond, Claudine Moïse, Patrick Paroubek, Pascal Amsili, Mathieu Valette, Damien Nouvel
• Jury : Rapporteurs / Rapporteuses : Claudine Moïse, Patrick Paroubek

Mots clés

Mots clés contrôlés

Traitement automatique du langage naturel

Médias sociaux

Dans les médias

Influenceurs

Mots clés libres

Influence

Traitement automatique des langues

Réseaux sociaux

Médias sociaux

Analyse de graphe

Mesures de centralité

Apprentissage automatique

Influence

Natural language processing

Social networks

Social media

Graph analysis

Centrality measures

Machine learning

Résumé

Dans cette thèse, nous présentons la conception et l’évaluation d’un système pour détecter automatiquement les personnes influentes dans les médias sociaux, à partir des manifestations de leur action d’influence dans les communications interpersonnelles. Les approches pour la détection des influenceurs utilisent généralement, soit la structure de la communication entre les individus, soit l’analyse de son contenu. Le cadre théorique retenu dans notre thèse a la particularité de combiner ces deux types d’approches pour leur complémentarité. Nous caractérisons l’action des influenceurs à l’échelle d’un individu cible, depuis sa mise en œuvre jusqu’à ses effets, par des traits discursifs relevant aussi bien des messages envoyés par les influenceurs que de ceux envoyés par les individus influencés. La détection automatique de ces traits discursifs est faite avec des méthodes en traitement automatique des langues, basées sur des règles linguistiques et des modèles par apprentissage automatique. À l’échelle d’un groupe, l’action des influenceurs est caractérisée par leur position centrale dans un graphe social qui représente des actions interpersonnelles ayant eu cours à l’intérieur de ce groupe. L’hybridité de notre système consiste en l’utilisation des informations linguistiques sur les traits discursifs d’influence, extraits automatiquement depuis les messages textuels échangés entre individus, afin de construire les graphes sociaux.

In this thesis, we present the design and evaluation of a system to automatically detect influencers in social media, based on the manifestations of their influencing action in interpersonal communications. Approaches to influencer detection generally use either the structure of communication between individuals, or the analysis of its content. The theoretical framework chosen in our thesis has the particularity of combining these two types of approach for their complementarity. We characterise the action of influencers at the level of a target individual, from its means to its effects, by discursive features of both the messages sent by the influencers and those sent by the influenced individuals. The automatic detection of these discursive features in social media messages is done with methods in natural language processing, based on linguistic rules and machine learning models. At the group level, the action of influencers is characterised by their central position in a social graph, that represents interpersonal actions within the group. The hybridity of our system consists in the use of linguistic information, automatically extracted in discussions, to construct the social graphs whose structure will be analysed.