Monica Gracia, directrice internationale des admissions à la Fundación Universitaria Iberoamericana (Fondation universitaire ibéro-américaine, FUNIBER), participe à une étude qui développe une approche basée sur l’intelligence artificielle pour classer les vidéos YouTube, afin de faciliter la recherche d’informations par l’utilisateur.
Dans un monde où 300 heures de vidéos sont téléchargées sur YouTube chaque minute, trouver un contenu pertinent peut s’apparenter à chercher une aiguille dans une botte de foin numérique. Et si l’intelligence artificielle pouvait transformer cette expérience, en classant les vidéos avec une précision quasi parfaite?
Au cours de la dernière décennie, le contenu vidéo sur les plateformes web s’est considérablement développé, grâce à l’accès gratuit à des sites tels que Facebook et YouTube. Fondé en 2005, YouTube est rapidement devenu la deuxième plus grande plateforme de partage de vidéos, avec environ 37 millions de chaînes. La plateforme permet aux utilisateurs de regarder, de partager, de commenter et de télécharger des vidéos, ce qui en fait une source constante d’informations sur une variété de sujets. Chaque minute, un très grand nombre de vidéos sont téléchargées sur YouTube, couvrant un large éventail de sujets. Ces vidéos sont facilement partageables via les réseaux sociaux, les sites web et les courriels, et peuvent être intégrées dans d’autres pages web. Il est essentiel de catégoriser correctement les vidéos pour améliorer leur visibilité et leurs possibilités de recherche, en utilisant des balises et des catégories pour optimiser leur classification.
Les modèles d’apprentissage profond ont joué un rôle déterminant dans le traitement des images et la classification des vidéos. Ces techniques se sont avérées efficaces dans les tâches de traitement du langage naturel (NLP), telles que l’analyse sémantique et la modélisation de phrases. Les réseaux neuronaux convolutifs (CNN), développés à l’origine pour la vision par ordinateur, ont fait leurs preuves dans le domaine du PLN. Dans la classification des vidéos, des caractéristiques visuelles et textuelles peuvent être utilisées, la catégorisation basée sur le texte étant moins complexe sur le plan informatique, bien que limitée lorsque les informations textuelles sont rares.
Malgré ces difficultés, la catégorisation vidéo basée sur le texte offre des avantages en termes de simplicité de calcul. Ce processus, connu sous le nom de classification textuelle, organise les documents en groupes spécifiques, la classification binaire étant la plus courante. L’objectif est de caractériser un document afin de l’affecter à la catégorie appropriée, sans extraire d’informations supplémentaires. En ce sens, l’étude présente une approche innovante basée sur l’intelligence artificielle pour relever ce défi, qui consiste en un réseau neuronal convolutionnel profond (DCNN) axé sur l’utilisation de caractéristiques textuelles telles que les titres, les descriptions et les étiquettes d’utilisateur pour catégoriser les vidéos.
Les résultats ont montré une capacité exceptionnelle à classer les vidéos YouTube avec une précision de 96 % et une aire sous la courbe (AUC) de 99 % sur les caractéristiques d’exploitation des récepteurs. Ces résultats sont nettement supérieurs aux méthodes existantes et constituent un outil puissant pour suggérer des vidéos pertinentes aux utilisateurs et les classer par catégorie de manière plus efficace.
Outre le DCNN, l’étude a également évalué les performances des réseaux neuronaux récurrents (RNN) et des unités récurrentes fermées (GRU), ainsi que des modèles de régression logistique, des machines à vecteurs de support, des arbres de décision et des forêts aléatoires. Toutefois, le DCNN s’est avéré le plus efficace pour la catégorisation des vidéos.
Cette avancée promet non seulement d’améliorer l’expérience de l’utilisateur sur les plateformes vidéo, mais pourrait également avoir des implications significatives pour la gestion du contenu numérique en général. En permettant une catégorisation plus précise et plus efficace, les outils basés sur l’IA tels que DCNN pourraient transformer la façon dont les gens interagissent avec le contenu en ligne, en facilitant l’accès aux informations pertinentes dans une mer de données. Dans un avenir proche, la recherche de vidéos sur YouTube pourrait être tout aussi simple et précise.
Pour en savoir plus sur cette étude, cliquez ici.
Pour lire d’autres recherches, consultez le référentiel UNEATLANTICO.
La Fondation universitaire ibéro-américaine (FUNIBER) promeut plusieurs programmes d’études de maîtrise dans le domaine de la technologie, tels que la Maîtrise en Gestion Stratégique en Génie Logiciel. Ce master vous prépare à devenir un agent de transformation au sein des organisations. Vous apprendrez à intégrer le génie logiciel dans les stratégies d’entreprise, en développant des compétences essentielles en matière d’orientation stratégique, de leadership et de gestion technologique. Ne manquez pas l’occasion de devenir un leader stratégique dans le domaine du génie logiciel! Inscrivez-vous dès maintenant et faites passer votre carrière au niveau supérieur.