Modèles d’apprentissage automatique pour l’analyse des sentiments.
Réalisé par Mohammed Seghir Nadia & Bekaddouri Nadia .
Département de Mathématique & Informatique, Mostaganem, Juin 2013.
Avec le début du troisième millénaire, le contenu du Web généré par les utilisateurs connaît une explosion extraordinaire. Les blogs individuels, les forums de discussion mais aussi les réseaux sociaux, d’ordre public ou professionnel, gagnent de plus en plus d’intérêts dans la vie des individus et des groupes. Ceci a conduit à de nouvelles opportunités et des défis importants pour les entreprises, qui sont plus préoccupés par la surveillance de la discussion autour de leurs produits afin de les améliorer ou de les commercialiser plus efficacement. Par ailleurs, des institutions gouvernementales portent plus d’attention au contenu des communautés sur le Web afin de suivre les diverses tendances de leurs citoyens.
Un élément important d'une telle analyse est de caractériser le sentiment exprimé dans les blogs sur un sujet spécifique. Des méthodes à base d’apprentissage (supervisé et non supervisé) et de traitement automatique du langage naturel sont développées et intégrées dans des applications plus complexes pour détecter, classer et suivre les tendances de consommation ou les opinions sociopolitiques des internautes.
Ce projet vise à étudier et évaluer un modèle, à base d’apprentissage non supervisé, combinant sentiment et thème pour l’analyse des opinions et les sentiments des utilisateurs sur différents sujets.
Le travail demandé consiste à :
Mots clés :
Analyse de sentiment, apprentissage automatique, modèle de thèmes, mesure d’évaluation, traitement linguistique.