Informativité dans les Contenus Textuels Twitter pour la Phytosurveillance Centrée sur l'observation des Agriculteurs
Résumé
Data mining in social media has been widely applied in different domains for monitoring and mesuring social phenomena, such as opinion analysis towards popular events, sentiment analysis of a populataion, tracing early secondly effets of medicinal drugs and earthquake detection. In the other side, social media also brings new forms of bias and shadings while it attract people to circle information by its openess.
As farmers are increasingly getting engaged in sharing their obsevation and their knowledge on social média, we want to valulize these data. In this work, we choosed serveral scenarios to collect Tweets, then we applied different natural language processing technologies to measure the informativeness of Tweets in french as a complementary sources for phytosanitary monitoring.
L'exploration de données dans les médias sociaux a été largement appliquée dans différents domaines pour surveiller et mesurer les phénomènes sociaux, tels que l'analyse d'opinion sur des événements populaires, l'analyse des sentiments d'une population, le traçage des effets secondaires précoces des médicaments et la détection des tremblements de terre. De l'autre côté, les médias sociaux apportent également de nouvelles formes de préjugés et de nuances tout en attirant les gens à encercler l'information par leur ouverture. Comme les agriculteurs s'engagent de plus en plus à partager leurs observations et leurs connaissances sur les médias sociaux, nous voulons valoriser ces données. Dans ce travail, nous avons choisi plusieurs scénarios pour collecter les Tweets, puis nous avons appliqué des technologies de traitement du langage naturel pour mesurer l'informativité des Tweets en français comme sources complémentaires pour la surveillance phytosanitaire.
Origine : Fichiers produits par l'(les) auteur(s)