Analyse des attributs des entités scientifiques sociales par dépendance syntaxique multi-dialectes sur les médias sociaux

Dans cet article, nous exploitons les avancées récentes en traitement du langage naturel des médias sociaux afin d’obtenir des résultats de parsing syntaxique de pointe pour l’anglais des médias sociaux. Nous observons une amélioration de 3,4 points en UAS (Universal Attachment Score) et de 4,0 points en LAS (Labelled Attachment Score) par rapport à l’état de l’art précédent, ainsi qu’une réduction de la disparité entre les dialectes de l’anglais afro-américain et de l’anglais américain dominant. Nous démontrons l’utilité en sciences sociales computationnelles de ce parser pour la tâche d’analyse des attributs d’entités socialement imbriquées : pour une entité donnée, extraire ses relations sémantiques à partir de la syntaxe riche des analyses syntaxiques, puis les accumuler et les comparer selon diverses variables sociales. Nous menons une étude de cas sur les opinions politisées concernant l’officiel américain Anthony Fauci durant la pandémie de COVID-19.