Opinions Mining from Posters’ Users in Social Networks
Opinions Mining from Posters’ Users in Social Networks
Résumé
Nowadays, the analysis of social networks is a rich field of research and the analysis of
opinions and the detection of communities is becoming a problem because of the considerable
development of social media While existing sentiment analysis methods focus only
on the extraction of positive and negative opinions, in our work we aim to extract fuzzy
opinions. That is why we propose to follow Fuzzy Support Vector Machine during our
sentiment analysis process. We also present a new hierarchical classification approach for
the detection of communities sharing the same opinions. Our mixed hierarchical clustering
technique, based on the assumption that there exists an initial solution composed of k partitions
and the combination of ascendants and descendants methods, does not the change
of the number of partitions, modifes the repartition of the initial structure. At the end of
the introduced clustering process, a fixed point, representing a local optimum of the cost
function which measures the degree of importance between two partitions, is obtained.
Consequently, the introduced combined model leads to the emergence of local community
structure. To avoid this local optimum and detect community structure converged to the
global optimum of the cost function, the detection of community structures, in this study,
is not considered only as a clustering problem, but as an optimization issue. In addition,
it is essential not only to determine communities but also to identify the modifications in
the network structure over the time. Additionally, we track the evolution of events over
time. We develop, in this study, an approach for natural hazard events news detection and
danger citizen’ groups clustering . Analyzing the ambiguity and the vagueness of similarity
of social publications plays a key role in event detection. This matter was ignored
in traditional event detection techniques. To this end, we apply fuzzy sets techniques on
the extracted events to enhance the clustering quality and remove the vagueness of the
extracted information. Then, the defined degree of citizens’ danger is injected as input to
the introduced citizens clustering method in order to detect citizens’ communities with
close disaster degrees. The experimental analysis shows promising results made a set of
comparisons between our proposed contributions and the existing state of the art.
L’analyse des réseaux sociaux représente, de nos jours, un domaine de recherche riche
et l’analyse des sentiments et la détection des communautés deviennent de plus une problématique
à cause de développement considérable des médias sociaux. Cette thèse se
concentre sur l’analyse et la modélisation des réseaux sociaux par l’extraction des opinions
floues en utilisant Fuzzy Support Vector Machine et par la classification hiérarchique pour
la détection des communautés partageant les mêmes opinions. Notre technique de classification
hiérarchique mixte, basée sur l’hypothèse qu’il existe une solution initiale composée
de k partitions et sur la combinaison des méthodes ascendantes et descendantes, ne modifie
pas le nombre de classes, mais plutôt la distribution de la structure initiale des partitions.
À la fin du processus de regroupement introduit, un point fixe, représentant un optimum
local de la fonction de coût mesurant le degré d’importance entre deux partitions, a été
obtenu. Par conséquent, le modèle combiné introduit a produit une structure communautaire
locale. Pour éviter cet optimum local et détecter la convergence de la structure de
communauté vers l’optimum global de la fonction de coût, la détection des structures de
communauté, dans cette étude, n’a pas été considérée uniquement comme un problème
de regroupement, mais aussi en tant que problème d’optimisation. Nous avons intégré les
métaheuristiques dans notre processus de classification. De plus, il est essentiel non seulement
d’identifier les communautés, mais également d’identifier les modifications apportées
à la structure du réseau est de suivre l’évolution des évènements au cours du temps.
Nous avons développé aussi, dans cette étude, une approche pour la détection des événements
lors de danger naturel et le regroupement des communautés des citoyens en danger.
L’analyse de l’ambiguité et du caractàre vague de la similarité des publications socials joue
un rôle clé dans la détection des événements. Cette problématique a été ignorée dans les
techniques traditionnelles de détection des événements. À cette fin, nous avons appliqué les
techniques flous sur les événements extraits pour améliorer la qualité du regroupement et
supprimer le caractère vague des informations extraites. Ensuite, le degré de danger défini
des citoyens a été injecté comme entrée de la méthode introduite de regroupement des
citoyens afin de détecter les communautés de citoyens en situation de catastrophe proche.
L’analyse expérimentale montre que les bons résultats obtenus ont permis de comparer
nos contributions avec celles présentées dans l’état de l’art.
Origine : Fichiers produits par l'(les) auteur(s)