@inproceedings{Kooli-Pigneul:TALN:2018,
    author = "Kooli,Nihel and Pigneul,Erwan",
    title = "Analyse de sentiments \`{a} base d'aspects par combinaison de r\'{e}seaux profonds : application \`{a} des avis en fran\c{c}ais",
    booktitle = "Actes de la Conf\'{e}rence TALN - Volume 1 - Articles longs, articles courts de TALN",
    month = "5",
    year = "2018",
    address = "Rennes, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "303-310",
    note = "A combination of deep learning methods for aspect-based sentiment analysis : application to French reviews",
    abstract = "Cet article propose une approche d'analyse de sentiments \`{a} base d'aspects dans un texte d'opinion. Cette approche se base sur deux \'{e}tapes principales : l'extraction d'aspects et la classification du sentiment relatif \`{a} chaque aspect. Pour l'extraction d'aspects, nous proposons une nouvelle approche qui combine un CNN pour l'apprentissage de repr\'{e}sentation de caract\`{e}res, un b-LSTM pour joindre l'apprentissage de repr\'{e}sentation de caract\`{e}res et de mots et un CRF pour l'\'{e}tiquetage des s\'{e}quences de mots en entit\'{e}s. Pour la classification de sentiments, nous utilisons un r\'{e}seau \`{a} m\'{e}moire d'attention pour associer un sentiment (positif, n\'{e}gatif ou neutre) \`{a} une expression d'aspect donn\'{e}e. Les exp\'{e}rimentations sur des corpus d'avis (publics et industriels) en langue fran\c{c}aise ont montr\'{e} des performances qui d\'{e}passent les m\'{e}thodes existantes.",
    keywords = "Analyse de sentiments \`{a} base d'aspects, Apprentissage de repr\'{e}sentation, \'{E}tiquetage de s\'{e}quences, R\'{e}seau de neurones convolutifs, R\'{e}seau r\'{e}current \`{a} m\'{e}moire court et long terme bidirectionnel, Champs al\'{e}atoires conditionnels, R\'{e}seau \`{a} m\'{e}moire d'attention.",
    url = "https://talnarchives.atala.org/TALN/TALN-2018/14.pdf"
}