Stratégies d'enrichissement sémantique d'analyse d'opinions : contributions logicielles et linguistiques - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Access content directly
Master Thesis Year : 2020

Stratégies d'enrichissement sémantique d'analyse d'opinions : contributions logicielles et linguistiques

Abstract

Since 2019 Eloquant has been working on new opinion extraction tool, combining machine learning and linguistic rules. As the first version were inconsistent and opinions, often badly identified, the Sémantique team considered using complementary labelling strategies.
We have developed a second version of the opinion analysis project, using an approach that reconciles machine learning and the integration of semantic annotations. First, we have reconstructed the training corpora, in order to make them more balanced. Then, the analysis of the errors of the previous version of the project, we adapted the symbolic rules and created new ones to make the tool as many effective as possible. Finally, the evaluation of the new version of the opinion analysis project allowed us to demonstrate its superiority compared to the first one.
We also worked on the intensity detection in opinion analysis. The study of scientific works and disagreements between corpora annotators showed us the subjectivity of this notion. Nevertheless, we have produced several models based on different corpora, which will serve as a basis for the project under development.
Finally, we participated in several Eloquant projects, such as the analysis of phone conversations, semantic enrichment for a Luxury House, the recognition of software names in short verbatims and the post-editing of verbatims translated from French into Russian. These projects helped us become familiar with the technologies used within the company.
Depuis 2019, Eloquant développe un nouvel outil d’extraction d’opinions, combinant apprentissage automatique et règles linguistiques. La première version ayant une performance inégale selon les entités à relever, et commettant fréquemment des erreurs dans l’identification des opinions, l’équipe Sémantique a envisagé de faire appel à des stratégies d’étiquetage complémentaires.
Nous avons développé une deuxième version du projet d’analyse d’opinions, en utilisant une approche permettant de concilier l’apprentissage automatique et l’intégration des annotations sémantiques. Pour l’apprentissage automatique, nous avons reconstitué les corpus d’entraînement, afin de les rendre plus équilibrés. Par la suite, en analysant les erreurs de la version précédente du projet, nous avons adapté les règles symboliques et en avons créé de nouvelles pour apporter le plus d’améliorations possibles. Finalement, l’évaluation de la nouvelle version du projet d’analyse d’opinions nous a permis de démontrer la supériorité de ses performances par rapport à la première version.
Nous avons également travaillé sur la détection de l’intensité pour l’analyse d’opinions. L’étude des ouvrages scientifiques et des désaccords entre les annotateurs des corpus nous a démontré la subjectivité de la notion en question. Nous avons tout de même entraîné plusieurs modèles basés sur différents corpus qui serviront comme base pour le projet en développement.
Finalement, nous avons participé à plusieurs projets d’Eloquant, tels que l’analyse des conversations téléphoniques, l’enrichissement sémantique pour une Maison de Luxe, la reconnaissance de noms de logiciels dans des verbatims courts et la post-édition des verbatims traduits du français vers le russe. Ces projets nous ont aidés à nous familiariser avec les technologies utilisées au sein de l’entreprise.
Fichier principal
Vignette du fichier
RUMIANTCEVA Nadezhda_M2 IDL.pdf (1.53 Mo) Télécharger le fichier

Dates and versions

dumas-03081467 , version 1 (18-12-2020)

Identifiers

  • HAL Id : dumas-03081467 , version 1

Cite

Nadezhda Rumiantceva. Stratégies d'enrichissement sémantique d'analyse d'opinions : contributions logicielles et linguistiques. Sciences de l'Homme et Société. 2020. ⟨dumas-03081467⟩
133 View
210 Download

Share

Gmail Facebook X LinkedIn More