Apprentissage bayésien incrémental pour la détermination de l'âge et du genre d’utilisateurs de plateformes du web social
Jugurtha Aït Hamlat
Résumé : Les méthodes de classification textuelles basées sur l'apprentissage automatique ont l'avantage, en plus d'être robustes, de fournir des résultats satisfaisants, sous réserve de disposer d'une base d'entraînement de qualité et en quantité suffisante. Les corpus d'apprentissage étant coûteux à construire, leur carence à grande échelle se révèle être l'une des principales causes d'erreurs. Dans un contexte industriel à forte volumétrie de données, nous présentons une approche de prédiction des deux plus importants indicateurs socio-démographiques (âge et genre) appliquée à des utilisateurs de forums, blogs et réseaux sociaux et ce, à partir de leur seules productions textuelles. Le modèle bayésien multinomial est construit à partir d'un processus d'apprentissage incrémental et itératif sur une vaste base d'entraînement semi-supervisée. Le caractère incrémental permet de s'affranchir des contraintes de volumétrie. L'aspect itératif a pour objectif d'affiner le modèle et ainsi augmenter le niveau de rappel et précision.
Mots clés : Classification de documents,Profilage d’utilisateurs,Apprentissage bayésien semi-supervisé,Apprentissage incrémental