Analyse de sentiments à base d'aspects par combinaison de réseaux profonds : application à des avis en français
Nihel Kooli, Erwan Pigneul
Résumé : Cet article propose une approche d’analyse de sentiments à base d’aspects dans un texte d’opinion. Cette approche se base sur deux étapes principales : l’extraction d’aspects et la classification du sentiment relatif à chaque aspect. Pour l’extraction d’aspects, nous proposons une nouvelle approche qui combine un CNN pour l’apprentissage de représentation de caractères, un b-LSTM pour joindre l’apprentissage de représentation de caractères et de mots et un CRF pour l’étiquetage des séquences de mots en entités. Pour la classification de sentiments, nous utilisons un réseau à mémoire d’attention pour associer un sentiment (positif, négatif ou neutre) à une expression d’aspect donnée. Les expérimentations sur des corpus d’avis (publics et industriels) en langue française ont montré des performances qui dépassent les méthodes existantes.
Mots clés : Analyse de sentiments à base d’aspects, Apprentissage de représentation, Étiquetage de séquences, Réseau de neurones convolutifs, Réseau récurrent à mémoire court et long terme bidirectionnel, Champs aléatoires conditionnels, Réseau à mémoire d’attention.