Des repr\'esentations continues de mots pour l'analyse d'opinions en arabe: une \'etude qualitative (Word embeddings for Arabic sentiment analysis : a qualitative study)

Abstract

Nous nous int\'eressons, dans cet article, \`a la d\'etection d'opinions dans la langue arabe. Ces derni\`eres ann\'ees, l'utilisation de l'apprentissage profond a am\'elior\'e des performances de nombreux syst\`emes automatiques dans une grande vari\'et\'e de domaines (analyse d'images, reconnaissance de la parole, traduction automatique, . . .) et \'egalement celui de l'analyse d'opinions en anglais. Ainsi, nous avons \'etudi\'e l'apport de deux architectures (CNN et LSTM) dans notre cadre sp\'ecifique. Nous avons \'egalement test\'e et compar\'e plusieurs types de repr\'esentations continues de mots (embeddings) disponibles en langue arabe, qui ont permis d'obtenir de bons r\'esultats. Nous avons analys\'e les erreurs de notre syst\`eme et la pertinence de ces embeddings. Cette analyse m\`ene \`a plusieurs perspectives int\'eressantes de travail, au sujet notamment de la constitution automatique de ressources expert et d'une construction pertinente des embeddings sp\'ecifiques \`a la t\^ache d'analyse d'opinions.

Tasks

Reproductions