L'intégralité du processus réalise uniquement des calculs statistiques et sémantiques pour détecter avec le plus de fidélité possible les sujets d'actualité choisis par les rédactions de la presse francophone .
Choix des sources de presse
Choix des sources de presse :
Les sources sont choisies selon leur statut légal ;
- Une société de presse, une chaine TV, station radio locale ou nationale.
- Une association dont les statuts déclarent une activité de presse.
- Un portail agrégateur d'actualités édité par une société qui choisit ses sources avec les mêmes critères.
Une source doit aussi répondre à des critères techniques ;
- Diffuser ses actualités avec un flux RSS, RDF, ou Atom correctement formé.
- Publier des actualités quotidiennement.
- Publier des actualités dédiées à minima à un périmétre national.
C'est la motivation de ce projet de regrouper la presse francophone pour obtenir une diversité de point de vue.
Référencement des actualités
Référencement des actualités :
Les actualités sont référencées avec le titre, résumé (ou chapô), et la date de publication fournis dans les flux RSS.
Ce système utilise un index des actualités les plus récentes d'une capacité maximale de 2380 actualités ; soit une période de 4 à 8h selon l'activité de la presse.
Le flux RSS d'une source est interrogé avec une fréquence d'environ 30mn. L'index est mis à jour toutes les 5mn.
Analyse sémantique des actualités
Analyse sémantique des actualités :
Les premièrs calculs énumèrent comme mot-clé les mots et expressions les plus cités dans les actualités.
Les textes subissent une réduction de leur complexité pour les caractères accentués, la ponctuation, typographie, accords ou conjugaison.
Les surtitres "incitatifs" (tel que les mots exclu, direct, live) sont ignorés et cachés lors de l'affichage.
Statistiques associées à un mot-clé ;
- Nombre de citations en distinguant les cas où un mot-clé est utilisé dans une expression.
- Décompte des citations par pays auquels appartient les sources.
- Nombre de sources en identifiant les actualités basées sur une dépêche d'agence.
- Nombre d'actualités pour lesquels il est identifié comme étant le mot-clé principal.
- Liste des autres mots-clés utilisés en simultané, et le nombre d'actualités en commun.
Statistiques associées à une actualité ;
- Liste des mots-clés présents dans le titre et le résumé.
- Liste des mots-clés les plus pertinents en filtrant avec des dictionnaires et par comparaison aux autres actualités.
- Mot-clé principal déterminé par comparaison aux autres actualités et selon sa position dans le titre, surtitre, ou résumé.
L'ensemble des mots-clés principaux correspondent à la fonctionnalité Tags-de-la-presse .
Sélection des sujets à la Une
Sélection des sujets à la Une :
Chacun des mots-clés principaux est utilisé pour constituer un sujet qui est défini par une liste des combinaisons de deux mots-clés les plus souvent associées au mot-clé principal du sujet.
Les sujets choisis sont ceux pour lesquels il y a le plus grand nombre d'actualités. Les sujets sont classés selon leur nombre d'actualités , et quand le nombre est élevé la "Revue de Presse" lui accorde un affichage étendu.
Bien que la "Revue de presse" indique seulement 4 mots-clés par sujet, le processus en utilise autant que détecté lors de l'analyse des actualités.
Sélection des actualités d'un sujet
Sélection des actualités d'un sujet :
Une actualité est associée à un sujet si son titre ou résumé cite l'une des combinaisons de deux mots-clés qui définissent le sujet.
Caractéristiques des actualités sélectionnées ;
- Actualité la plus pertinente (1) qui cite le plus de mots-clés associés au sujet.
- Actualité la plus récente (2) .
- Actualité la plus ancienne (3) qui est toujours dans l'index.
- Actualité(s) récente(s) alternative(s) (4) publiée(s) par des sources ou agence de presse différentes.
L'édition internationale et déclinaisons nationales
L'édition internationale et déclinaisons nationales :
Toutes les éditions utilisent le même index mais avec des critères de tri et classement adaptés pour refléter les choix éditoriaux de la presse du pays choisis.
Caractéristiques de l'édition internationale ;
- Les sujets sélectionnés doivent comporter des actualités provenant de au moins 3 pays différents.
Caractéristiques d'une édition nationale ;
- Les sujets sélectionnés doivent comporter des actualités du pays choisis.
- Les sujets sont classés selon le nombre d'actualités provenant du pays choisis.
- L'actualité la plus pertinente est choisie parmi celles provenant du pays choisis.