Analyse d'opinion contextuelle dans les réseaux sociaux pour la langue Arabe

Abstract

Après une demande croissante en matière d‟analyse de textes véhiculant des critiques, des opinions ou des jugements, le traitement automatique des langues a donné naissance à une nouvelle discipline appelée fouille de données d’opinions (opinion-mining). Cette discipline est un résultat de l‟intersection de trois disciplines : le traitement automatique des langues, la linguistique et la philosophie. Elle n‟est pas intéressée par l‟étude des thèmes d‟un document mais par les opinions exprimées dans les textes. Dans ce présent mémoire, nous avons proposé une approche de classification d‟opinions basée sur une analyse symbolique des textes, qu‟ont testés sur un ensemble de tweets de la langue arabe. Nous avons inspiré notre approche, après une étude comparative de trois approches utilisées en classification de sentiments : l‟approche symbolique basée sur l‟analyse syntaxique des textes, l‟approche statistique basée les techniques d‟apprentissage automatique, et la troisième approche, est une hybridation des deux premières. Son fonctionnement est basé sur l‟extraction des expressions subjectives qui reflètent des jugements personnels sur des sujets divers. Notre approche, se base sur un modèle de représentation d‟opinion, qui considère qu‟une opinion est conformée d‟un ensemble d‟élément : Feature. L‟identification de ce élément nécessite un ensemble des méthodes bien définies et une ressource externe. A l‟aide de ce dernier nous avons ajouté à ce modèle deux éléments « Intensité » et « polarité » pour calculer l‟orientation sémantique globale de l‟opinion. Les opinions analysées sont ensuite classifiées selon leurs orientations sémantiques et leur polarité, en cinq catégories : positive forte, positive faible, négative forte, négative faible, et neutre.