Comment prendre en compte les spécificités de "l'écriture SMS" pour l'analyse de sentiments ?

Khiari Wejdene, Bouhafs Hafsia Asma, Roche Mathieu. 2016. Comment prendre en compte les spécificités de "l'écriture SMS" pour l'analyse de sentiments ?. In : Actes des Journées internationales d'Analyse statistique des Données Textuelles JADT 2016. CNRS. Nice : CNRS, 12 p. Journées internationales d'Analyse statistique des Données Textuelles (JADT 2016). 13, Nice, France, 7 Juin 2016/10 Juin 2016.

Url - jeu de données - Entrepôt autre : http://88milsms.huma-num.fr

Résumé : Avec la croissance explosive des données textuelles issues des médias sociaux (forums, blogs et réseaux sociaux), l'exploitation de ces nouvelles sources d'information est devenue cruciale. Nos travaux se concentrent sur l'analyse des sentiments dans ce contexte des médias sociaux. Pour identifier des sentiments issus des messages (par exemple, tweets, SMS), des techniques originales de fouille de textes doivent être proposées. Cet article présente une nouvelle méthode qui intègre les connaissances sémantiques et lexicales pour l'analyse des sentiments. L'approche proposée donne un poids important aux "mots de sentiment" pour une tâche de classification. Notre étude compare deux corpus (88milSMS et DEFT'2015) afin de mettre en évidence les caractéristiques spécifiques des données SMS dans le contexte des médias sociaux.

Résumé (autre langue) : With the explosive growth of textual data from social media (forums, blogs, and social networks), exploitation of these new information sources has become crucial. Our work focuses on sentiment analysis in this social media context. In order to identify sentiments in messages (e.g., tweets, SMS), original text-mining techniques have to be proposed. This paper presents a new method that integrates semantic and lexical knowledge for sentiment analysis. The proposed approach gives an important weight to "sentiment words" for a classification task. Our study compares two corpora (i.e. 88milSMS and DEFT'2015) in order to highlight the specific characteristics of SMS data in social media context.

Mots-clés libres : Text mining, Sentiment analysis, Information retrieval, Natural language processing, SMS, Tweets, Classification

Classification Agris : C30 - Documentation et information
U10 - Informatique, mathématiques et statistiques
U30 - Méthodes de recherche

Auteurs et affiliations

• Khiari Wejdene, ESC (TUN)
• Bouhafs Hafsia Asma, IHEC (TUN)
• Roche Mathieu, CIRAD-ES-UMR TETIS (FRA) ORCID: 0000-0003-3272-8568

Source : Cirad-Agritrop (https://agritrop.cirad.fr/580891/)

Métriques

[ Page générée et mise en cache le 2023-10-31 ]