Ecoute médias sociauxEtudes de marchés

Innoradiant au IEEE International Conference on Data Science Advanced Analytics (DSAA)

Les 4 et 5 octobre dernier se tenait à Turin (Italie) la 5ème IEEE International Conference on Data Science and Advanced Analytics (DSAA), réunion annuelle phare du domaine de la science des données. L'un de ses objectifs était l'examen des différents aspects l'analyse de données appliquées aux données sociales.

https://dsaa2018.isi.it/home 

https://dsaa2018.isi.it/program/special-sessions/se-cred-i-s-data

L'intervention d'Innoradiant a porté sur la description de son système d'analyse des sentiments obtenue de façon quasi automatique et de son approche qui exploite l'intégration de l'analyse des dépendances, des règles d'extraction basées sur des graphes, arbres de dépendance et techniques Word Embedding

Un des arguments majeurs a été  l’Aspect Based Sentiment Analysis (ABSA), c'est à dire la capacité d'un système à détecter dans une phrase non seulement les sentiments mais aussi la chose sur laquelle portent les sentiments ainsi que les caractéristiques qui en sont jugés. (http://alt.qcri.org/semeval2016/task5/)

Luca Dini, Paolo Curtoni et Elena Melnikova ont ainsi pu démontrer qu'en associant un traitement symbolique à des stratégies de Deep Learning intégrant des mots la portabilité de l'ABSA peut être obtenue en quelques minutes.

Il est désormais possible d'améliorer substantiellement la base de référence en matière de détection des sentiments en exploitant les mots d'opinion pour en extraire d'autres mots exprimant une opinion dépendante du domaine.

En fournissant seulement quelques mots clefs une détection raisonnable des entités sous jugement peut être obtenue.

Il est ainsi possible faire comprendre au système que, par exemple, le mot "agressif" dans le contexte de la cosmétique est toujours négatif ("savon agressif") tandis qu’il est positif dans le domaine de l'automobile ("look agressif ")

De plus, en fournissant seulement quelques mots clefs une détection précise des entités sous jugement peut être obtenue.

Cette méthodologie est applicable à n'importe quel domaine et a été testé avec succès sur des datasets reconnus dans le monde de la recherche, comme Semeval-1016 Restaurants et Semeval-1016 Museums.

 

Nous considérons chez Innoradiant que la qualité des analyses que nous fournissons à nos clients sera optimisée grâce à notre intense activité de recherche et nos collaborations Universitaires et avec des Centres de Recherches Académiques, plus que par des annonces du type « 99,5 % accuracy » !

 

Si vous souhaitez lire l'article (en anglais) dans son intégralité n'hésitez pas à nous contacter : info@innoradiant.com