| Titre : | L’utilisation du Deep Learning pour l’analyse des sentiments |
| Auteurs : | SOUAD RABIE, Auteur ; Salima Rahmani, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2019 |
| Format : | 1 vol. (69 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Analyse des sentiments,Traitement automatique de langage,Apprentissage automatique,Apprentissage profond,réseaux de neurones à convolution(CNN),réseau Long short-term Memory (LSTM),Word2vec. |
| Résumé : |
Les réseaux sociaux, les forums, les sites d'évaluation et les blogs, génèrent d'énormes quantités de données sous forme de points de vue, d'émotions, d'opinions et d'arguments sur différents événements sociaux, produits, marques et politiques. Les sentiments des utilisateurs exprimés sur le Web ont une grande influence sur les lecteurs, les fournisseurs de produits et les politiciens. La forme non structurée des données provenant des médias sociaux doit être analysée et bien structurée et, à cette fin, l’analyse des sentiments a fait l’objet d’une attention particulière.Dans ce projet, nous visons à proposer une techniques d'analyse des sentiments basée sur l'apprentissage en profondeur (Deep Learning ), précisément les réseaux de neurones récurrents. |
| Sommaire : |
Introduction générale 11 1 Analyse des sentiments …………………………………………………………………13 1.1 Introduction …………………………...….…………………………..…...………...……........13 1.2 Historique ……………….……………………………………………………………………..14 1.3 Apprentissage automatique ……………………………………….. ………………….............16 1.3.1 Les types d'apprentissage automatique ………...…..……………………….......16 1.4 Définition d’apprentissage en profondeur ……….………………….……..............................17 1.5 L’origine de l’apprentissage profond. ………………………………………………..…….....17 1.5.1 Neurones Biologiques…………………………………………….….............…17 1.5.2 Le réseau neurone artificiel ou neurone formel…..………................………....18 1.6 Architectures d'apprentissage en profondeur………….……………….....………...…………19 1.6.1 Perceptron multicouche (MLP)……………………………………………...….19 1.6.2 Réseaux de neurones à convolution ………………………………..…………..20 1.6.3 Réseaux de neurones récurrents ………………………………..…….…………21 1.6.4 Réseaux de neurones récursifs……………………………………..……………27 1.7 L'apprentissage profond et l'analyse des sentiments………………...…………….……….….27 1.7.1 Préparation des données…………………………………………………………27 1.7.2 Prétraitement ……………………………………………………………………27 1.8 Conclusion …………………………………………………………………………................28 2 Analyse des sentiments ……………………………………………………………...……30 2.1 Introduction…………………………………………………………………………………...30 2.2 Traitement du langage naturel………………………………………………………………...31 2.2.1 Les applications du TALN…………………………………………………….31 2.2.2 TALN et L'analyse des sentiments……………………………………………31 2.3 L’opinion…………………………………………………………………………………..….32 2.3.1 L’objective de La fouille d’opinions …………………………………………..32 2.3.2 Types d'opinion ……………………………………………………..………….32 2.4 Analyses des sentiments……………………………………………………………….………33 2.4.1 Définition Analyse des sentiments …………………………………………….34 2.4.2 Catégorisation de sentiment…………………………………………….............34 2.4.3 Niveaux d'analyse…………………………………....…..……….….…........35 2.4.4 Le rôle de la sémantique………………………..……….………………...…35 2.4. 5 Relations dans les réseaux sociaux…………………...………..…................36 2.4.6 L’étapes préliminaires de l'analyse du sentiment ……………..………….....36 2.4.7 Les Technologies et les’ outils d’analyses des sentiments..…..…….………36 2.4.8 Extraction des caractéristiques ……………….....…………..……….….…..37 2.5 Analyse de sarcasme……………………………………………………………..................37 2.5.1 Définition de sarcasme………………………………………………..……..37 2.5.2 Détection de l'ironie et du sarcasme …………………….…………….…….38 2.6 Techniques……………………………………………………………………………….…38 2.7 Travaux connexes………………...………...………………………………………39 2.8 Conclusion………………..………………………………………………………….……..40 3 Conception de système ……………………………………………………..…………42 3.1 Introduction……………………………….………………………………………………..42 3.2 Méthodologie suivie……………….………………………………………………………..42 3.3 Conception globale du système……………………………………………………….……42 3.4Conception détaillée du système …………….………………………………………….…..43 3.4.1 Collection des données…………..………………………………………..…44 3.4.2 Préparation des données ………..………………………………………..….44 3.5 Entraînement ……………………………………………………………………………….46 3.5.1 Entraînement de Word2vec ………….…………………………………..….46 3.5.2 Entraînement du modèle …………….…………………………………..….47 3.5.3 Modèle LSTM ………………………….……………………………….…..47 3.6 Teste du modèle ……………….……………………………………………………….….48 3.7 Utilisation du modèle .………..………………………………………………………..…..48 3.8 Conclusion ………………...………………………………………………………............49 4 Implémentation ……………………..…………………………………………...……51 4.1 Introduction …………………………………………………………………...…………..51 4.2 Environnement et outils de programmation ………………………………….…….……...51 4.2.1 Environnement de développement ……………………………...………..…51 4.2.2 Les outils utilisés …………………………………………….…….….……54 4.3 Implémentation de système ……………………………………………………..………..56 4.3.1 Les données utilisées pour l’apprentissage …………………….……….….56 4.3.2 Apprentissage et test …………………………………………….…………56 4.4 Présentation des interfaces ………………………………………………………….….….59 4.4.1 Interface d’accueil ………………………………………………………….59 4.4. 2 Interface d’évaluation de modèle CNN-LSTM ………………….….…..…59 4.4. 3 Interface de test de modèle CNN-LSTM ………………………...….….…60 4.4.4 Interface d’évaluation de modèle LSTM …………………………….…..…61 4.4.5 Interface de test de modèle LSTM ………………………………….…..….61 4.4.6 Interface d’évaluation de modèle CNN ……………………………….....…62 4.4. 7 Interface de test de modèle CNN …………………………………….…....62 4.5 Expérimentations et résultats obtenues ………………………………………………...….63 4.5.1 Première expérimentation ……………………………………………….….63 4.5. 2 Deuxièmes expérimentations ……………………………………………....63 4.5. 3 Troisièmes expérimentations ……………………………………………....64 4.6 Discussion des résultats ……………………………………………………….……….….65 4.7 Conclusion ……………………………………………………………………..….............66 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/431 | Mémoire master | bibliothèque sciences exactes | Consultable |
