Exploring Innovation Concepts in Twitter Via LDA Topic Modelling the Case Custom Computer Programming Services
Melika Jafari · PolyPublie (École Polytechnique de Montréal) · 2020
Twitter, en tant qu'outil de micro-blogging, est l'une des plus célèbres plateformes de réseaux sociaux.Avec 500 millions de tweets par jour, c'est une source de données propice à l'exploration des messages publiés pour analyser le comportement et la communication en ligne des entreprises en termes de concepts d'innovation.Les différents types de contextes non structurés dans les postes présentent de nombreux défis.Des chercheurs suggèrent que de nouvelles approches d'apprentissage machine peuvent les aider à analyser ces données.Malgré les différents efforts des chercheurs pour analyser ce type de données, la littérature scientifique et opérationnelle n'a pas encore fourni de cadre d'analyse des concepts d'innovation par l'exploration de texte et le traitement du langage naturel (TLN) sur Twitter.Ce travail de recherche vise à explorer si les entreprises des secteurs des services de programmation informatique personnalisée mentionnent différents concepts d'innovation dans leurs comptes Twitter, et si une utilisation simple et plutôt grossière du TNL peut rapidement prendre cela en compte.Plus précisément, l'objectif de cette étude est de répondre à trois questions de recherche :(1) dans quelle mesure les entreprises s'intéressent-elles aux concepts d'innovation dans leurs tweets ?(2) quels sont les mots les plus fréquemment utilisés dans les tweets des entreprises de ce secteur ?et enfin, (3) dans quelle mesure l'utilisation de l'algorithme « Latent Dirichlet Allocation » (LDA) identifie-t-elle efficacement les sujets liés à l'innovation dans les tweets des entreprises ?Pour atteindre ces objectifs, du text mining et du modèle Latent Dirichlet Allocation (LDA) a été utilisée pour rechercher et explorer le contenu des tweets en ce qui concerne l'évaluation et la visualisation des mots fréquents et des sujets discutés dans les tweets.Nous avons spécifiquement fouillé le texte contenu dans les tweets pour trouver les mots liés à des concepts d'innovation spécifiques.Dans un premier temps, cinq facteurs d'innovation ont été choisis et les mots clés associés provenant de différentes sources ont été rassemblés dans cinq tableaux de référence.Ces facteurs sont les suivants R&D, propriété intellectuelle, collaboration, financement externe et créativité, Pour la deuxième étape, l'utilisation de techniques de fouille de texte via LINQ et C# en studio visuel aide à répondre à la première question de recherche ; les résultats montrent que la vi collaboration est le facteur d'innovation le plus utilisé dans les tweets des entreprises.En ce qui concerne la réponse aux deuxième et troisième questions de recherche, l'utilisation des techniques du TNL et la modélisation thématique de LDA permettent de trouver les termes les plus fréquents.De plus, en utilisant cinq facteurs d'innovation et en élargissant nos mots-clés liés à chaque facteur, les résultats montrent que le modèle LDA peut aider à trouver les sujets les plus probables dans les tweets, tels que la créativité, la R&D et la collaboration.vii