Résumé

Nous proposons dans cet article d’apprendre à classer les mots-clés selon leur activité à venir, et comparons deux approches : point-wise et pair-wise. Pour chacune d’elle nous étu- dions l’influence de l’ambiguïté et de la popularité des mots-clés sur ses capacités prédictives. A notre connaissance, c’est la première fois que ces facteurs sont étudiés dans ce contexte. Pour valider nos résultats nous fournissons un jeu d’apprentissage comprenant l’activité de1 497 mots-clés observée sur Twitter pendant une année. Nous proposons également un nouveau

Abstract

We study in this paper different strategies to rank keyword activities through a com- parison of pointwise and pairwise learning to rank approaches, as well as the impact of keyword ambiguity, keyword activity and keyword set size on the prediction results. It is the first time, to our knowledge, that such dimensions are evaluated in this framework. Our experiments are conducted on a large dataset built by monitoring Twitter over a year and including 1497 keywords. The different methods tested are evaluated using standard ranking scores as well as a newly defined, application driven quality measure.