Détection d'opinion. Comment déterminer les adjectifs d'opinion d'un domaine donné

Abstract

L'extraction automatique d'opinions sur le web 2.0 est un domaine de recherche de plus en plus étudié. Elle utilise souvent deux méthodes à vocations différentes : soit des méthodes fondées sur l'apprentissage par la constitution de corpus en vue d'établir des modèles pour la classification, soit rechercher des mots caractéristiques tels que les adjectifs qui contribueront à la classification des textes. Dans ce dernier cas, les outils existants utilisent des dictionnaires généraux, et possèdent des limites : pour certains domaines, des adjectifs peuvent être inexistants voire contradictoires. Dans cet article, nous proposons une nouvelle approche de création automatique de dictionnaire d'adjectifs intégrant la connaissance du domaine. Les expériences menées sur des données réelles ont montré l'intérêt de notre approche comparativement à une méthode plus classique par apprentissage. ABSTRACT. Expressed opinions grows more and more on the Internet. Recently, extracting automatically such opinions becomes a topic addressed by new research work. Traditionally, detection of opinions is based on extracting adjectives. Existing methods are often based on general dictionaries. Unfortunately, main drawbacks of these approaches are that, for different domains, adjectives could not exist and could have an opposite meaning. In this paper we propose a new approach to the automatic creation of dictionary of adjectives that integrates the domain knowledge. The experiments conducted on real data show the usefulness of our approach, compared to a more classic method based on machine learning mechanisms.

Construction automatique d’un lexique de n-grammes pour la fouille d’opinion

“…Un mot est considéré comme d'autant plus positif qu'il est plus proche des germes positifs et plus éloigné des germes négatifs. Pouvant être appliquées à des corpus de très grandes tailles (des milliards de mots récoltés sur le web comme l'ont fait Velikovich et al, 2010) ou à des corpus spécifiques à une application (Harb et al, 2008), ces techniques répondent aux limitations des approches basées sur des ressources linguistiques, mais s'appuient sur des informations plus bruitées que celles qui sont encodées manuellement par des linguistes dans des ressources comme Wordnet ou comme un dictionnaire de synonymes. Récemment, ont montré que les approches basées sur des corpus étaient plus efficaces que celles basées sur des ressources linguistiques et qu'elles permettaient de générer des normes lexicales ayant une fiabilité équivalente à celles obtenues en demandant à des juges d'évaluer les mots.…”