News recommendation based on opinion mining: an approach to assist the automatic classification of controversies
Notice bibliographique
Résumé
Web-based reading services such as Google News and Yahoo! News have become increasingly popular with the growth of news information services on the Internet. To help users cope with the information overload on these search engines, recommender systems and personalization techniques are proposed. Acting as a kind of algorithmic curators, these services help users find content that matches their personal interests and tastes using their browser history and past behavior as a basis for recommendations. However, several researchers have criticized recommender systems, arguing that overspecialized recommendations lead to the creation of isolated communities (Van Alstyne and Brynjolfsson, 2005), the emergence of extremist opinions (Mutz and Young, 2011) and the overall degradation of the public sphere (Parisier, 2011; Sustein, 2007). The aim of our research to propose an opinion mining method to classify divergent opinions from a controversial debate on the press. We want to contribute to a solution to diversify recommendations in web-based reading services. Our classification approach advocates for the study of linguistics aspects of corpus prior to the classification task, to orientate the selection of the textual criteria which may contribute to the application performance. This approach explores theoretical concepts from Interpretative Semantics formulated by Francois Rastier and uses textometric techniques for the corpora analyses. Our corpora are composed by opinionated articles about the 2012 student protest in Quebec against the raise of the tuition fees announced by the Liberal Premier Jean Charest.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».