Identification Semi-Automatique de Mots-Germes pour l'Analyse de Sentiments et son Intensité

Dans le but d'exploiter les opinions dans les tweets, cet article presente une classification a partir du sentiment contenu au sein des tweets. Nous presentons une methode d'identifi-cation de nouveaux mots-germes. Ils sont utilises pour la prediction de l'intensite de sentiments des mots en co-occurrence avec ces mots-germes. Ensuite, le calcul de similarites entre sentiments est applique en utilisant: la mesure de la similarite entre deux mots et l'utilisation de plongement de mots (e.g. word2vec, GloVE) couple a la mesure cosinus. Les resultats montrent l'importance de l'utilisation de mots-germes adaptes aux tweets, ainsi que la taille et le pretrai-tement de corpus. Pour conclure, nous avons obtenu les meilleurs resultats grâce a l'application de la methode utilisant le plongement de mots couplee a la mesure cosinus. ABSTRACT. For the purpose of opinion exploring in tweets, this article presents a sentiment classification of tweets content. First, we present a method to identify new sentiment similarity seed words. These seed words are used for predicting sentiment intensity of other words and short phrases in co-occurrence. Then, for testing sentiment similarity, we use: Similarity Measures methods between words and cosine similarity measure between the word embedding representations (e.g. word2vec, GloVE). The experiments results highlight the importance of adapted for tweets seed words. In addition of the corpora size and its pre-treatement. As a conclusion, best results were achieved using cosine similarity measure between the word embedding representations. MOTS-CLES : Mots-germes, Twitter, Mesure de la Similarite, Plongement de mot, Word2vec, GloVe.