Twitter sentiment analysis using n-grams approach and Deep Learning

  • Cornet Rémi

Student thesis: Master typesMaster en sciences informatiques à finalité spécialisée en Software engineering

Résumé

Aujourd’hui, les réseaux sociaux et les plateformes de commerce électronique
occupent une place énorme dans notre société. Ces médias sont une source importante de messages d’utilisateurs exprimant une opinion ou un sentiment, qu’il s’agisse d’un événement ou d’un produit commercial. Ces messages subjectifs contiennent une mine d’informations difficiles à analyser manuellement et, depuis plusieurs années, une discipline qui cherche à automatiser l’analyse de ces données a vu le jour : l’analyse des sentiments. La plateforme de micro-blogging Twitter, par son nombre d’utilisateurs et son nombre de messages quotidiens est une ressource intéressante pour travailler
sur ce type de contenu. Dans ce document, les techniques d’analyse de sentiment
existantes sont présentées et diverses publications sur le sujet sont détaillées. Le rôle principal de ce document est d’étudier la capacité d’une approche couplant l’utilisation des réseaux de neurones et de n-grammes de messages postés sur Twitter à fournir de bons résultats dans le cadre d’une classification des sentiments au niveau de la phrase. Pour atteindre cet objectif, un pipeline a été mis en place pour couvrir toutes les opérations nécessaires à la réalisation de cette expérience : collecte et nettoyage des données, préparation du jeu de données et entrainement du réseau de neurones.
la date de réponse19 juin 2018
langue originaleAnglais
L'institution diplômante
  • Universite de Namur
SuperviseurWim Vanhoof (Promoteur)

Contient cette citation

'