Recherche d'information sociale en langue arabe: cas de Facebook

Abstract

Cet article propose une approche de recherche d’information (RI) en langue arabe sur Facebook, qui exploite toutes les traces des utilisateurs (ex. polarité, partage, j’aime, haha) laissées sur des publications Facebook pour estimer leur importance sociale. Notre objectif est de montrer comment ces signaux peuvent jouer un rôle vital dans l’amélioration de la recherche en langue arabe sur Facebook. Premièrement, des polarités (positive ou négative) portée par les signaux textuels (ex. commentaires) et non textuels (ex. les réactions j’adore et triste) ont été identifiées pour chaque publication Facebook. Par conséquent, la polarité de chaque commentaire exprimé sur une publication donnée, est estimée sur la base d’un modèle neuronal de sentiment en langue arabe. Deuxièmement, des signaux en fonction de leur complémentarité ont été regroupés en utilisant des algorithmes de sélection. Troisièmement, des algorithmes de learning to rank ont été appliqués pour re-ordonner les résultats de recherche de Facebook en fonction des groupes de signaux sélectionnés. Enfin, des expérimentations sont réalisées sur 13500 publications Facebook, collectées à partir de 45 requêtes en langue arabe. Les expérimentations révèlent des résultats prometteurs pour la RI en langue arabe sur Facebook. This paper proposes an approach on Facebook Search in Arabic language, which exploits all traces of users (e.g. polarity, share, like, haha) left on Facebook publications to estimate their social importance. Our goal is to show how these signals can play a vital role in improving Arabic Facebook search. First, the identification of the polarities (positive or negative) carried by the textual signals (e.g. comments) and non-textual ones (e.g. the reactions love and sad) for a given Facebook publication. Therefore, the polarity of each comment expressed on a given Facebook post, is estimated on the basis of a neural model of sentiment in Arabic language. Secondly, grouping signals according to their complementarity using selection algorithms. Third, the application of learning to rank algorithms to re-rank Facebook search results based on the selected groups of signals. Finally, experiments are carried out on 13500 Facebook posts, collected from 45 topics in Arabic language. Experiments reveal promising results.