@inproceedings{Minard-Raymond-Claveau:DEFT:2018,
    author = "Minard, Anne-Lyse and Raymond, Christian and Claveau, Vincent",
    title = "Participation de l'IRISA \`a DeFT 2018 : classification et annotation d'opinion dans des tweets",
    booktitle = "Actes de la Conf\'erence TALN. Volume 2 - D\'emonstrations, articles des Rencontres Jeunes Chercheurs, ateliers DeFT",
    month = "5",
    year = "2018",
    address = "Rennes, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "265-278",
    note = "IRISA at DeFT 2018: classifying and tagging opinion in tweets ",
    abstract = "Cet article d\'ecrit les syst\`emes d\'evelopp\'es par l'\'equipe LinkMedia de l'IRISA pour la campagne d'\'evaluation DeFT 2018 portant sur l'analyse d'opinion dans des tweets en fran\c{c}ais. L'\'equipe a particip\'e \`a 3 des 4 t\^aches de la campagne : (i) classification des tweets selon s'ils concernent les transports ou non, (ii) classification des tweets selon leur polarit\'e et (iii) annotation des marqueurs d'opinion et de l'objet \`a propos duquel est exprim\'ee l'opinion. Nous avons utilis\'e un algorithme de boosting d'arbres de d\'ecision et des r\'eseaux de neurones r\'ecurrents (RNN) pour traiter les t\^aches 1 et 2. Pour la t\^ache 3 nous avons exp\'eriment\'e l'utilisation de r\'eseaux de neurones r\'ecurrents associ\'es \`a des CRF. Ces approches donnent des r\'esultats proches, avec un l\'eger avantage aux RNN, et ont permis d'\^etre parmi les premiers class\'es pour chacune des t\^aches.",
    keywords = "analyse d'opinion, boosting, arbres de d\'ecision, r\'eseau de neurones r\'ecurrents,  plongement de mots, CRF.",
    url = "http://talnarchives.atala.org/ateliers/2018/DEFT/6.pdf"
}