Exploration de corpus pour l'analyse de sentiments

Sigrid Maurel

Description

Exploration de corpus pour l’analyse de sentiments
Sigrid Maurel
Paris, 22 juin 2009
S. Maurel (CELI France) Exploration de corpus 22/06/2009 1 / 28Plan
1 Introduction
2 Méthode statistique
3 Méthode symbolique
4 Méthode hybride
5 Évaluation
6 Conclusion
S. Maurel (CELI France) Exploration de corpus 22/06/2009 2 / 28Introduction
1 Introduction
2 Méthode statistique
3 Méthode symbolique
4 Méthode hybride
5 Évaluation
6 Conclusion
S. Maurel (CELI France) Exploration de corpus 22/06/2009 3 / 28Introduction
Introduction
Contexte
classification d’opinions positives et négatives, présentes dans
des textes de différents domaines
corpus : tourisme, DEFT’07, jeux vidéo et imprimantes
CELIFrance
entreprise privée à Grenoble, spécialisée dans le « Sentiment
Analysis » et l’« Opinion Mining » (analyse des opinions)
développement de trois méthodes pour classer les textes de
forums sur Internet
statistique
symbolique
hybride
S. Maurel (CELI France) Exploration de corpus 22/06/2009 4 / 28Introduction
Difficultés
Les difficultés rencontrées
langage familier et phonétique typique sur Internet
fautes d’orthographes nombreuses, absence de ponctuation
exemple de texte du corpus du tourisme :
BaLadeur, posté le 13-10-2006 à 11:23:43:
Je partage l’avis d’Aston sur de nombreux points. Villandry
est quelconque mais son jardin transformé en potager géant
vaut le détour. Chenonceau est certainement le plus photo-
génique donc le plus connu et il le mérite largement Si tu
recherche la ...

Sujets

• Céline Géraud
• Relations entre le bouddhisme et les autres religions
• Méthodes quantitatives
• Conclusions en procédure civile française
• Jeux vidéo A
• D'une ombre à l'autre

Informations

• Publié par: Jorop
• Nombre de lectures: 117
• Langue: Français

Extrait

Exploration .SaMruleC(LEIrFnaec) edcorpuspourl’analyse SigridMaurel Paris,22juin2009 xElprotaoindeocrups edsentiments 220//602901/82

1 2 3 4 5 6 Introduction Méthodestatistique Méthodesymbolique Méthodehybride Évaluation Conclusion .SaMruleC(LEIrFnaec)xEp nalP olaritnodeocrups220//602902/82

1 2 3 4 5 6 Introduction Méthodestatistique Méthodesymbolique Méthodehybride Évaluation Conclusion .SaMruleC(LEIrFnaec) nIrtdo E u x c lp it o o r n taoindeocrups220//602903/82

corpus:tourisme,DEFT’07,jeuxvidéoetimprimantes classificationd’opinionspositivesetnégatives,présentesdans destextesdedifférentsdomaines Contexte CELIFrance entrepriseprivéeàGrenoble,spécialiséedansle«Sentiment Analysis»etl’«OpinionMining»(analysedesopinions) développementdetroisméthodespourclasserlestextesde forumssurInternet statistique symbolique hybride Introduction noitcudortnI 82/49002/60/22suprocednoitarolpxE)ecnarFILEC(leruaM.S

Difficultés Lesdifficultésrencontrées nIrtdocuitno langagefamilieretphonétiquetypiquesurInternet fautesd’orthographesnombreuses,absencedeponctuation exempledetexteducorpusdutourisme: BaLadeur,postéle13-10-2006à11:23:43: Jepartagel’avisd’Astonsurdenombreuxpoints.Villandry estquelconquemaissonjardintransforméenpotagergéant vautledétour.Chenonceauestcertainementleplusphoto- géniquedoncleplusconnuetilleméritelargementSitu recherchelamonumentalitécommeaVersailles,lamagnifi- cenceenplus,ilfautabsoluementvoirChambort.Enfin s’ilfautnevisiterqu’unevilleceseraTours. .SaMruleC(LEIrFnaec)xElprotaoindeocrups220//602905/82

Corpus Lescorpusutilisés S nIrtdocuitno suggestionsdedestinationstouristiquesdanslesdifférentes régionsenFranceetailleursdanslemonde lescorpusdeDEFT’07:critiquesdelivresetfilms,testsdejeux vidéo,relecturesd’articlesscientifiquesetnotesdedébats parlementaires,certainscontiennentdessentimentsmoyens solutionsdeproblèmepourdesjeuxvidéo conseilsd’achatpourdesimprimantes .aMruleC(LEIrFnaec)xElprotaoindeocrups220//602906/82

1 2 3 4 5 6 Introduction Méthodestatistique M Méthodesymbolique Méthodehybride Évaluation Conclusion .SaMruleC(LEIrFnaec) téohedtsta E si x t p i l q o u r e taoindeocrups220//602907/82

éMhtdoetstasiituqe Laméthodestatistiquedistributionnelle ⇒ S exploitationducorpuspouridentifierunéchantillondetermes distinctifs représentationstructuréedesconceptsclésdudomaine processusdedécouverteendeuxphases,particulièrement efficacefaceàdegrandscorpus sensationdessujets,desconceptsdiscutésetdesrelationsentre cesconcepts .aMruleC(LEIrFnaec)xElprotaoindeocrups220//602908/82

LogOddsRatio S éMhtdoetstasiituqeOLR utilisationde2corpus:corpusd’étudesetcorpusderéférence lecorpusd’étudesestuncorpusdynamique,généréàpartir d’unerequêtedemots-clés comparaisondefréquencedestermesextraitsentrelescorpus lamesuredetermesspécifiquesestuneversionmodifiéeduLog OddsRatio .aMruleC(LEIrFnaec)xElprotaoindeocrups220//602909/82

LogOddsRatio LogOddsRatio S éMhtdoetstasiituqeOLR TermSpec = k ∗ T T e e r r m m G D F F ∗ ∗ D G C C D D o o c c s s + TermDF ∗ ( 1 − k ) TermDF:fréquenced’untermedanslecorpusdudomaine; TermGF:fréquencedanslecorpusgénéral DC D ocs:nombrededocumentsdanslecorpusdudomaine; GC D ocs:nombredanslecorpusgénéral expérimentationsavec3valeursdek:0,0.5,1 .aMruleC(LEIrFnaec)xElprotaoindeocrups220//6029001/82

RandomIndexing S éMhtdoetstasiituqeIR approchebaséesurlaco-ocurrencedesmots,lesensd’unmot étantdéfiniparsoncontexte calculd’unvecteurdesenspourchaquemot,deuxvecteurs prochesontunsensproche représentationdelasémantiquedestermesdansunespaceàN dimensions créationd’unematricetermes-contextes,générationdeclusters determes .aMruleC(LEIrFnaec)xElprotaoindeocrups220//6029011/82