Les technologies de l'information et le succes des services associes (e.g., blogs, forums,...) ont ouvert la voie a un mode d'expression massive d'opin- ions sur les sujets les plus varies. Recemment de nouvelles techniques de detec- tion automatique d'opinions (opinion mining) ont fait leur apparition et via des analyses statistiques des avis exprimes tendent a degager une tendance globale des opinions exprimees par les internautes. Neanmoins une analyse plus fine de celle-ci montre que les arguments avances par les internautes relevent de criteres de jugement distincts. Ici, un film sera decrie pour un scenario decousu, la il sera encense pour une bande son epoustouflante. Dans cet article, nous pro- posons, apres avoir caracterise automatiquement des criteres dans un document, d'en extraire l'opinion relative. A partir d'un ensemble restreint de mots cles d'opinions, notre approche construit automatiquement une base d'apprentissage de documents issus du web et en deduit un lexique de mots ou d'expressions d'opinions specifiques au domaine d'application. Des experiences menees sur des jeux de donnees reelles illustrent l'efficacite de l'approche.
[1]
Gérard Dray,et al.
Web opinion mining: how to extract opinions from blogs?
,
2008,
CSTST.
[2]
Stephen Shaoyi Liao,et al.
Mining comparative opinions from customer reviews for Competitive Intelligence
,
2011,
Decis. Support Syst..
[3]
Gérard Dray,et al.
Towards an Automatic Characterization of Criteria
,
2011,
DEXA.
[4]
Peter D. Turney.
Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews
,
2002,
ACL.
[5]
M. de Rijke,et al.
UvA-DARE ( Digital Academic Repository ) Using WordNet to measure semantic orientations of adjectives
,
2004
.
[6]
Bo Pang,et al.
Thumbs up? Sentiment Classification using Machine Learning Techniques
,
2002,
EMNLP.
[7]
Satoshi Morinaga,et al.
Mining product reputations on the Web
,
2002,
KDD.
[8]
Xue Bai,et al.
Predicting consumer sentiments from online text
,
2011,
Decis. Support Syst..
[9]
Erik Cambria,et al.
SenticNet: A Publicly Available Semantic Resource for Opinion Mining
,
2010,
AAAI Fall Symposium: Commonsense Knowledge.