Identifier les temporalités pertinentes de partages de tweets : méthode de traitement de données de masse via l'étude des hashtags - Université de Lorraine Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Identifier les temporalités pertinentes de partages de tweets : méthode de traitement de données de masse via l'étude des hashtags

Résumé

Dans le cadre d’un projet financé par l’ANR nous avons récolté plusieurs millions de tweets en lien avec des url d’articles publiés sur des sites de médias d’information. Cette communication présente les outils informatiques et statistiques mis en œuvre pour établir des typologies de circulation en fonction du critère de dispersion temporelle, afin de restituer la diversité des séquences temporelles. Afin de dégager les grandes familles de comportements de partage d’articles, nous utilisons un algorithme de classification non supervisée permettant de faire face à un défi majeur : l’existence de processus de circulation de l’information sur des échelles de temps variables.
Fichier non déposé

Dates et versions

hal-01727308 , version 1 (09-03-2018)

Identifiants

  • HAL Id : hal-01727308 , version 1

Citer

Brieuc Conan-Guez, Alain Gély, Arnaud Mercier, Dario Compagno. Identifier les temporalités pertinentes de partages de tweets : méthode de traitement de données de masse via l'étude des hashtags. XXe Congrès de la Société́ française des sciences de l’information et de la communication (SFSIC) : Temps, Temporalités et information-communication, Société française des sciences de l'information et de la communciation (SFSIC), Jun 2016, Metz, France. pp.123-142. ⟨hal-01727308⟩
49 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More