ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Autres revues >>

Document Numérique

1279-5127
 

 ARTICLE VOL 17/1 - 2014  - pp.85-101  - doi:10.3166/dn.17.1.85-101
TITRE
Plateforme d’étiquetage dynamique pour la fouille d’opinion

TITLE
A collaborative and dynamic annotation platform for opinion mining

RÉSUMÉ

Les plateformes sociales (Twitter, blogs, forums), vecteurs de la diversité des points de vue de la collectivité, constituent un vivier de données convoité pour la fouille d’opinion et l’analyse de sentiments. Dans ce cadre, les méthodes appliquées en classification n’apprennent souvent que des sorties relativement frustes : celles-ci se réduisent à une polarité ou à une gradation linéaire. Est-il possible d’apprendre des motifs plus riches avec un nombre raisonnable d’exemples ? Notre démarche est appliquée au ressenti à l’égard de marques. L’enjeu est d’analyser l’image de marque à l’aide d’un ensemble de traits lexicaux, structurés par leurs relations sémantiques. Pour prédire un tel motif par apprentissage supervisé, il est avant tout nécessaire de disposer d’un jeu de données étiquetées. Pour cela, nous avons mis en place une plateforme collaborative pour l’étiquetage de messages issus du web social en traits sémantiques et sentiments. Afin d’optimiser les étiquetages, la plateforme est sous-tendue par des mécanismes dynamiques à double vocation : filtrer les messages non pertinents et restructurer la grille d’analyse spécifique à chaque marque au fur et à mesure des annotations.



ABSTRACT

Social networks mirror public opinion. As such, they are of great interest for opinion mining and sentiment analysis. In most cases, sentiment is classified according to a polarity criterion or a linear gradation. Is it possible to learn more complex patterns with limited itemsets? In this article, we investigate brand equity. The goal is to analyse how social groups perceive a given brand. Brand identity is described with a structured set of adjectives, considered as semantic features. Since supervised pattern recognition requires labelled datasets, a platform was set up for social networks sentiment analysis. The platform relies on collaborative and dynamic principles designed to relevance-based filtering and semantic features reconfiguration.



AUTEUR(S)
Coralie REUTENAUER, Tanguy URVOY

MOTS-CLÉS
Apprentissage statistique, image de marque, réseaux sociaux, annotation, IHM, analyse de sentiments, classification multi-label

KEYWORDS
machine learning, brand reputation, social networks, tagging, sentiment analysis, multi-label classification

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (150 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier