Vers un contextualisation des tweets basée sur une analyse des graphes des conversation

Même avec le récent passage à 280 caractères, les messages de Twitter considérés dans leur singularité, sans information additionnelle exogène, peuvent confronter leurs lecteurs à des difficultés d’interprétation. L’ajout d’une contextualisation à ces messages s’avère donc une voie de recherche prometteuse pour faciliter l’accès à leur contenu informationnel. Dans la dernière décennie, la majorité des travaux se sont concentrés sur la construction de résumés à partir de sources d’information complémentaires telles que Wikipédia. Nous avons choisi dans cette thèse une voie complémentaire différente qui s’appuie sur l’analyse des conversations sur Twitter afin d’extraire des informations utiles à la contextualisation d’un tweet. Ces informations ont été intégrées dans un prototype qui, pour un tweet donné, propose une visualisation d’un sous-graphe du graphe de conversation associé au tweet. Ce sous-graphe extrait automatiquement à partir de l’analyse des distributions des indicateurs structurels, permet de mettre en évidence notamment des individus qui jouent un rôle majeur dans la conversation et des tweets qui ont contribué à la dynamique des échanges. Ce prototype a été testé sur un panel d’utilisateurs, pour valider son apport et ouvrir des perspectives d’amélioration. Even with the recent switch to 280 characters, Twitter messages considered in their singularity, without any additional exogenous information, can confront their readers with difficulties of interpretation. The integration of contextualization on these messages is therefore a promising avenue of research to facilitate access to their information content. In the last decade, most works have focused on building summaries from complementary sources of information such as Wikipedia. In this thesis, we choose a different complementary path that relies on the analysis of conversations on Twitter in order to extract useful information for the contextualization of a tweet. These information were integrated in a prototype which, for a given tweet, offers a visualization of a subgraph of the conversation graph associated with the tweet. This subgraph, automatically extracted from the analysis of structural indicators distributions, allows to highlight particular individuals who play a major role in the conversation and tweets that have contributed to the dynamics of exchanges. This prototype was tested on a panel of users to validate its efficiency and open up prospects for improvement.