Cherif, Firas
(2022).
« Exploration des approches d'analyse des sentiments à base d'aspects ciblés » Mémoire.
Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
Les données massives possèdent un important potentiel scientifique, spécifiquement dans les domaines du forage de données, de l’apprentissage machine et du traitement des langues naturelles (NLP). Ce travail de recherche concerne l’analyse automatique de données non structurées, extraites de la plateforme Yahoo afin d’automatiser un système d’extraction d’aspects et de classification du sentiment relatif à chaque aspect. L’analyse des sentiments à base d’aspects ciblés (TABSA) est devenue populaire dans les domaines de la recherche et des affaires, car elle permet d’analyser un texte pour identifier différents aspects liés à une cible donnée et de déterminer le sentiment correspondant à chaque aspect détecté. Les résultats de la tâche TABSA sont plus précis qu’une analyse générale des sentiments, car l’analyse à base d’aspects ciblés examine à la fois l’aspect et son contexte dans le texte. Dans ce travail, nous viserons à améliorer les performances des modèles d’analyse des sentiments à base d’aspects ciblés basés sur l’apprentissage par transfert. Tout d’abord, nous présenterons les différentes recherches effectuées sur la tâche TABSA. Plus précisément, nous définirons les concepts de base et analyserons les modèles d’apprentissage profond utilisés par différents auteurs sur le jeu de données Sentihood. Ensuite, nous explorerons les modèles basés sur les réseaux récurrents notamment les réseaux de longue mémoire à court terme (LSTM) et les réseaux d’entités récurrentes (EntNet). De plus, nous explorerons les modèles basés sur l’apprentissage par transfert tel que BERT-Pair. Enfin, nous proposerons deux nouveaux modèles d’apprentissage par transfert intitulés BERT-SentClass et DistilBERT-SentClass et nous comparerons nos résultats obtenus sur le jeu de données Sentihood avec les résultats explorés dans la littérature.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : analyse des sentiments, apprentissage par transfert, apprentissage profond, BERT, données massives, DistilBERT, EntNet, forage de données, LSTM, NLP, Sentihood, TABSA.
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu et enrichi en format PDF/A. |
|
Directeur de thèse: |
Salah, Aziz |
| Mots-clés ou Sujets: |
Analyse de sentiments (Intelligence artificielle) / Apprentissage par transfert / Apprentissage profond / Forage de données |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
27 mars 2023 14:52 |
| Dernière modification: |
27 mars 2023 14:52 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/16421 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
