Abstrait

Évaluation de la qualité du contenu généré par les utilisateurs sur Twitter - Une approche basée sur l'apprentissage en profondeur

Irfan Mohiuddin

Les médias sociaux peuvent aujourd'hui être une plate-forme pour de nombreux utilisateurs actifs dans le monde entier pour partager leur contenu. Chaque seconde, des milliers de messages ou de commentaires sont publiés sur différents réseaux sociaux. Avec ces nombres stupéfiants de contenu généré par les utilisateurs (UGC), des défis ne manqueront pas de faire surface. L'un de ces défis consiste à évaluer la norme de l'UGC dans les médias sociaux, car le contenu généré dans les médias sociaux peut avoir un impact positif ou négatif sur les autres utilisateurs et les personnes habituelles également. Le contenu de qualité inférieure a non seulement un impact sur l'expérience de navigation de l'utilisateur, mais détériore également la valeur esthétique des médias sociaux. Par conséquent, notre objectif est d'évaluer avec précision la norme du contenu pour commercialiser la propagation de contenu de qualité supérieure. Une évaluation réussie de la qualité de l'UGC dans les médias sociaux favorise l'expansion de l'UGC à haute utilité, qui pourrait être utilisé par d'autres applications et organisations pour des avantages sociétaux ou organisationnels. Dans cet article, nous proposons un modèle basé sur l'apprentissage profond, qui exploite l'évaluation standard de l'UGC. Les résultats expérimentaux démontrent que notre modèle proposé conduit à une grande précision et à une faible perte. Les plateformes de médias sociaux, les forums, les blogs et les sites d'opinion génèrent une grande quantité de connaissances. Ces données sous forme d'opinions, d'émotions et de points de vue sur les services, la politique et les produits sont caractérisées par un format non structuré. Les utilisateurs finaux, les industries commerciales et les politiciens sont fortement influencés par les sentiments des personnes exprimés sur les plateformes de médias sociaux. Par conséquent, l'extraction, l'analyse, la synthèse et la prédiction des émotions à partir de grandes données non structurées nécessitent une analyse automatisée des sentiments. L'analyse des sentiments est un processus automatique d'extraction des opinions des données et de classification des émotions comme positives, négatives et neutres. Le manque de données suffisamment étiquetées pour l'analyse des sentiments est l'un des défis cruciaux du traitement linguistique. L'apprentissage profond est né de l'une des solutions les plus recherchées pour relever ce défi grâce à la capacité d'apprentissage automatisé et hiérarchique intrinsèquement prise en charge par les modèles d'apprentissage profond. Considérant l'application des approches d'apprentissage profond pour l'analyse des sentiments, ce chapitre vise à proposer une taxonomie des traits à prendre en compte pour l'analyse des sentiments basée sur l'apprentissage profond et à démystifier le rôle des approches d'apprentissage profond pour l'analyse des sentiments. L'analyse des sentiments est le processus automatisé d'analyse des données textuelles et de leur tri en sentiments positifs, négatifs ou neutres. L'utilisation d'outils d'analyse des sentiments pour rechercher des opinions dans les données Twitter peut aider les entreprises à comprendre comment les gens parlent de leur marque. Avec près de 321 millions d'utilisateurs actifs, envoyant une moyenne quotidienne de 500 millions de tweets, Twitter permet aux entreprises de réussir auprès d'un large public et de se connecter avec les clients sans intermédiaires. En revanche, il est plus difficile pour les marques de détecter rapidement le contenu négatif,et si cela devient viral, vous pourriez vous retrouver avec une crise de relations publiques inattendue sur les bras. C'est l'une des raisons pour lesquelles l'écoute sociale - le suivi des conversations sur les plateformes de médias sociaux - est devenue un processus important dans le marketing des médias sociaux. Le suivi de Twitter permet aux entreprises de connaître leur public, de le tenir au courant de ce qui se dit sur leur marque et leurs concurrents, et de découvrir les nouvelles tendances du secteur.