Les avis sur les restaurants à l’épreuve de l’apprentissage automatique
Hyun Jung Kang, Iris Eshkol-Taravella
Résumé : Dans la fouille d’opinions, de nombreuses études portent sur l’extraction automatique des opinions positives ou négatives. Cependant les recherches ayant pour objet la fouille de suggestions et d’intentions sont moins importantes, malgré leur lien profond avec l’opinion. Cet article vise à détecter six catégories (opinion positive/mixte/négative, suggestion, intention, description) dans les avis en ligne sur les restaurants en exploitant deux méthodes : l’apprentissage de surface et l’apprentissage profond supervisés. Les performances obtenues pour chaque catégorie sont interprétées ensuite en tenant compte des spécificités du corpus traité.
Mots clés : fouille d’opinions, avis en ligne, apprentissage supervisé, apprentissage profond, suggestion, intention.