BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Lyon Data Science – Communauté data & IA à Lyon - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://lyondatascience.org
X-WR-CALDESC:Évènements pour Lyon Data Science – Communauté data & IA à Lyon
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20180325T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20181028T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20190331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20191027T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20200329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20201025T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20191217T190000
DTEND;TZID=Europe/Paris:20191217T200000
DTSTAMP:20260411T052733
CREATED:20251005T155034Z
LAST-MODIFIED:20251005T155034Z
UID:1477-1576609200-1576612800@lyondatascience.org
SUMMARY:Traitement du langage (plus ou moins) naturel sur les réseaux sociaux.
DESCRIPTION:Les techniques de traitement automatique du langage (natural language processing\, NLP) ont pris une ampleur importante ces dernières années dans les technologies de l’information. En moins de 5 ans\, les avancées en deep learning ont permis d’améliorer la compréhension sémantique de données textuelles complexes et non structurées et d’atteindre des performances jusqu’ici inattendues en traduction automatique\, classification thématique\, problèmes de question / réponses\, reconnaissance d’entités nommées\, etc…\nSur les réseaux sociaux\, les utilisateurs ont tendance à utiliser un langage très différent du langage parlé ou de l’écrit formel. Par exemple un influenceur sur Instagram de 21 ans qui vit à Paris et qui s’intéresse à la mode pourra transmettre cette information en utilisant un nombre restreint de mots et plusieurs emoji : « 21 yo – 📍Paris – 👻 @fashionvictim – Styliste ». Ici l’âge est induit par la contraction yo (years old)\, la localisation par l’emoji « épingle »\, le compte Snapchat par l’emoji « fantôme » et la profession (Styliste) est précisée sans phrase complète. Pour une entreprise comme Upfluence\, qui traite les données de plusieurs millions d’influenceurs\, ces informations sont capitales mais difficiles à extraire en utilisant des règles expertes ou des modèles de reconnaissance d’entités (NER) pré-entraînés sur des corpus de texte classique (Wikipedia\, romans\, etc…). De même les pseudonymes\, bien que contenants un nombre restreint lettres\, peuvent donner des informations intéressantes sur le genre\, le nom\, l’origine ou les passions d’un influenceur (ex : fashionqueendu69 : fashion [intérêt] – queen [genre] – du – 69 [région]). \nLors de cet exposé\, Anil Narassiguin\, ingénieur machine learning chez Upfluence et membre actif de Lyon Data Science\, présentera les différents projets développés en interne pour pouvoir extraire des informations pertinentes sur des profiles d’influenceurs via les données textuelles de leurs réseaux sociaux. Certains de ces projets sont actuellement en production dans la solution logicielle proposée par Upfluence\, d’autres sont encore à l’état expérimental. L’exposé se fera en 3 parties : \n– NER sur les descriptions de profils. \n– Classification de genre sur des pseudonymes via des modèles character-based.\n– NER character-based sur des pseudonymes. \nLa présentation sera principalement axée sur la méthodologie de ces projets (annotation\, choix des frameworks\, etc…). \nImpatients de vous voir nombreux pour ce dernier meetup de l’année ! \nL’équipe LDS.
URL:https://lyondatascience.org/evenements/traitement-du-langage-plus-ou-moins-naturel-sur-les-reseaux-sociaux/
CATEGORIES:Meetup
END:VEVENT
END:VCALENDAR