Proposition d’une approche Deep Learning pour l’Analyse des sentiments des Feedbacks des Clients Djezzy exprimés en dialecte Algérien

Abstract

Le but de cette étude était de proposer une approche Deep Learning pour l’Analyse des sentiments des Feedbacks des Clients Djezzy exprimés en dialecte Algérien. Dans ce travail, nous avons essayé de classifier les sentiments en trois classes (Positif/ Négatif/ Neutre) à l’aide d’un Dataset collecté automatiquement à partir de YouTube et manuellement à partir de Facebook. Pour atteindre nos objectifs, nous avons utilisé des modèles d’apprentissage profond de deux types : ceux basés sur l’apprentissage à partir de zéro qui sont : CNN_Lstm, Bi-Lstm, CNN et ceux basés sur l’apprentissage par transfert qui sont : DZIRI-Bert et Ara-Bert. Après les tests, les modèles se basant sur l’apprentissage par transfert ont donné les meilleurs résultats. Tel que le meilleur modèle est celui de DziriBert avec un taux d’Accuracy égale à 83% et qui est très encourageant pour notre cas d’étude. Ce résultat peut toutefois être amélioré en augmentant la taille des données.

Mots clés : Analyse des Réseaux Sociaux, Analyse des Sentiments, Apprentissage en Profondeur, Dialecte Algérien.