Analyse des sentiments dans les réseaux sociaux pour l'aide à l'amélioration des stratégies de Marketing.

Abstract

les réseaux sociaux intègrent un volume et une variété de données textuelles. Ils ont changé la façon dont l'information est transmise aux clients, l'Analyse des Sentiments offre la possibilité de comprendre les status générés par l'internaute (le client) et explique comment un produit où une marque est perçus (l'avis public). Dans ce contexte, ce mémoire présente les défis liés à la classification des sentiments afin d'aider les entreprises a mettre en place leurs panneaux publicitaires. Dans notre travail nous allons utiliser une méthode d'apprentissage suppervisé et précisément le classifieur probabiliste Naïf Bayes (NB), en utilisant un corpus de données en anglais classifié manuellement et le testé soit avec un ensemble de tests où avec des tweets collectés à partir de Twitter par le mot clé "IPhone". Nos résultats indiquent que le classifieur a abouti à une très bonne précision de 95.5% (le corpus sanders comme un ensemble de données d'apprentissage et tests) qui prouve une bonne implémentation de l'algorithme NB, et avec 70% avec les tests de sentiment 140. Mots clés : Analyse des sentiments, Classification des Sentiments, Panneaux Publicitaires, Apprentissage Suppervisé, Naïf Bayes.