Opinions Mining from Posters’ Users in Social Networks - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

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.
Fichier principal
Vignette du fichier
VersionFinaleThese.pdf (2.72 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03277617 , version 1 (04-07-2021)

Identifiants

  • HAL Id : tel-03277617 , version 1

Citer

Radhia Toujani. Opinions Mining from Posters’ Users in Social Networks. Informatique [cs]. isg Tunis, 2021. Français. ⟨NNT : ⟩. ⟨tel-03277617⟩
514 Consultations
110 Téléchargements

Partager

Gmail Facebook X LinkedIn More