Fouille d'opinions par deep learning

Abstract

Les avis des clients jouent un rôle très important dans la vie quotidienne. Lorsque nous devons prendre une décision, l'opinion d'autres personnes est également prise en compte. Aujourd'hui, de nombreux internautes publient leurs avis sur de nombreux produits par le biais de blogs, de sites d'évaluation et des réseaux sociaux.

Les organisations commerciales et les entreprises sont toujours désireuses de connaître l'avis des consommateurs ou des particuliers sur leurs produits, leur assistance et leurs services.

Dans le domaine du commerce électronique, des achats en ligne et du tourisme en ligne, il est essentiel d'analyser automatiquement la grande quantité de données sociales présentes sur le Web de manière automatique, il est donc très important de créer des méthodes qui les classent automatiquement. L'extraction d'opinions, parfois appelée classification des sentiments, est définie comme l'extraction et l'analyse de critiques, de points de vue, d'émotions et d'opinions automatiquement à partir de textes, de données volumineuses et de discours au moyen de diverses méthodes.

Dans ce mémoire, nous allons proposer une approche originale de fouille d’opinions basée sur le Deep Learning qui sera évaluée et comparée à d’autres approches en utilisant des jeux de données réels.

À cet effet, nous proposons d’utiliser un modèle basé sur une architecture a couches neurale récurrente pour la détection du sentiment d'un texte. Les résultats obtenus après l'évaluation de notre modèle se sont avérés prometteurs.

Mots-clés : Fouille d’opinions, Deep Learning, Apprentissage Automatique, Intelligence Artificielle