Graph Data Science & Réseaux Sociaux : Détecter l’émergence de nouvelles tendances

L’émergence du web 2.0 et des réseaux sociaux a vu l’utilisateur devenir non seulement un consommateur, mais aussi un créateur de contenu. C’est donc naturellement par la modélisation en graphe, et en considérant l’utilisateur comme l’un des sommets du graphe induit par les relations qu’il entretient avec ses semblables, que l’on peut tirer le meilleur parti de ces données. Les méthodes d’analyse des réseaux sociaux, situées au confluent de la sociologie, du data mining et de la théorie des graphes, sont les principaux outils à notre disposition.

Neo4j, base de données graphe native, munie de son écosystème analytique et de sa bibliothèque Graph Data Science (GDS), sont le choix incontournable de tout professionnel désirant réaliser une telle tâche de manière productive et scalable.

Nous visiterons, au sein de ce webinaire, les différents cas d’usage, approches et méthodes de l’analyse des réseaux sociaux. Puis, via une démonstration basée sur un corpus de tweets, nous montrerons la pertinence de Neo4j/GDS pour détecter l’émergence d’une tendance ou d’un fait à partir de signaux faibles issus des médias sociaux.