Résumé:
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
