Analyse Automatique des News pour la Compréhension de la Polarisation

Automatic News Analysis for Polarization Understanding

• Auteur / Autrice : Evan Dufraisse
• Direction : Armelle Brun, Julien Tourille
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Soutenance en 2024
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
• Partenaire(s) de recherche : Laboratoire : LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
• Partenaire(s) de recherche : Equipe de recherche : KIWI
• Jury : Président / Présidente : Slim Ouni
• Jury : Examinateurs / Examinatrices : Armelle Brun, Pascale Sébillot, Symeon Papadopoulos, Oana Goga, Julien Tourille
• Jury : Rapporteur / Rapporteuse : Pascale Sébillot, Symeon Papadopoulos

Mots clés

Mots clés libres

Traitement automatique des langues

Fouille d'opinions

Analyse de presse

Analyse de Biais

Natural Language Processing

Opinion Mining

News Analysis

Bias Analysis

Résumé

Les progrès technologiques dans le domaine des télécommunications ont radicalement changé la manière dont l'information est diffusée et dont le public interagit avec elle. Le paysage médiatique, autrefois dominé par une poignée d'acteurs, est devenu très concurrentiel avec l'avènement d'internet et a entraîné une forte augmentation du nombre de sources. Cette évolution est parfois qualifiée par les spécialistes de « crise de l'information », caractérisée par la fragmentation de l'audience et la personnalisation accrue de la consommation d'informations. Cette nouvelle structuration du paysage informationnel soulève des inquiétudes avec le développement d'autres genres médiatiques comme l'infodivertissement, et l'augmentation de la désinformation et de la polarisation qui posent des défis pour le bon fonctionnement démocratique. La mitigation et la compréhension de ces effets négatifs ne peuvent être envisagées que par une analyse automatisée de la presse, car le recours à une annotation manuelle serait d'un coût prohibitif considérant le flux d'articles journaliers. Les progrès récents dans le domaine du Traitement Automatique du Langage Naturel (TALN), en particulier avec l'avènement des architectures de type transformer, ont permis de développer de nouvelles méthodes pour l'analyse automatique de la presse. Cependant, il reste des défis à relever pour qualifier avec précision les biais et les opinions, pour généraliser ces méthodes à d'autres langues et domaines moins dotés, et pour maintenir l'explicabilité des résultats. Dans cette thèse, nous abordons ces limitations en nous penchant sur trois points clés : le développement d'un framework pour l'analyse fine des opinions, la création d'un jeu de données multilingues pour l'analyse de sentiment ciblée dans les news, et des analyses de paysages médiatiques en différentes langues. Notre framework intègre la reconnaissance d'entités nommées liées à Wikipedia pour fournir une analyse de sentiments enrichie et explicable. Nous présentons un nouveau jeu de données pour la classification de sentiment ciblée à destination de l'actualité politique européenne, qui comprend des phrases traduites alignées et annotées manuellement dans huit langues, ce nouveau jeu de données nous permets d'étudier l'applicabilité des modèles de traduction automatique pour le transfert de l'analyse des sentiments à d'autres langues. Enfin, nous appliquons notre framework pour conduire une analyse de la presse française et de la presse flamande, nous enrichissons cette analyse par l'incorporation de données issues de « ParlGov » qui nous permettent de caractériser les biais de représentation des différents journaux. Cette approche permet non seulement d'améliorer l'explicabilité des résultats, mais présente également un potentiel d'application dans les langues peu dotées et, dans l'ensemble, elle pourrait fournir des informations précieuses pour notre compréhension des problèmes modernes de consommation de l'information, tels que la polarisation et la désinformation.

Technological advances in telecommunications have drastically changed how information is disseminated and how the public interacts with it. The media landscape, once dominated by a handful of players, has become highly competitive with the advent of the Internet and has led to a sharp increase in the number of sources. This shift is sometimes referred to by scholars as an ''information crisis,'' characterized by fragmented audiences and increased personalization of news consumption. This new structuration of the news landscape raises concerns about sensationalism, misinformation, and polarization that pose challenges to democracy. The mitigation and understanding of these adverse effects can only be envisioned through the automated analysis of news, as traditional manual annotation is prohibitively expensive and the daily flow of news is colossal. Recent advances in natural language processing (NLP), particularly with transformer architectures, have provided new methods for complex automated news analysis. However, challenges remain in accurately detecting biases and opinions, generalizing these methods across languages and domains, and deriving explainable results. In this thesis, we address these limitations by investigating three key areas: the development of a framework for fine-grained opinion analysis in the news, the creation of a multilingual dataset for targeted sentiment classification, and the analysis of the news landscape in different languages. Our framework integrates Named Entity Recognition (NER) with wikification to provide detailed and explainable Targeted Sentiment Classification (TSC), using Wikipedia's entity attributes for enriched representations. We present a new dataset for Targeted Sentiment Classification in European political news, which includes manually translated and annotated sentences in eight languages, addressing the limitations of existing datasets and demonstrating the applicability of machine translation for sentiment analysis transfer. Finally, we apply our framework to analyze bias in the French and Flemish press, incorporating data from the ''ParlGov'' database to characterize the political leanings of news sources. This approach not only improves explainability, but also shows potential for application in low-resource languages, and overall could provide valuable insights into modern news consumption issues such as polarization and misinformation.