Etat de l'art analyse de sentiments

Il existe deux méthodes d'analyse de sentiments :

Apprentissage supervisé :

Cette méthode utilise un algorithme d’apprentissage supervisé qui crée un modèle de classification pour les corpus volumineux annotés. Sa précision est principalement basée sur la qualité de l’annotation et la phase d’apprentissage prend généralement beaucoup de temps. En outre, lorsque nous appliquons l'algorithme à un autre domaine, le résultat n'est généralement pas bon.

Apprentissage non supervisé :

Cette méthode d’apprentissage non supervisé est basé sur un lexique utilise un dictionnaire de sentiments (liste de mots positifs, liste de mots négatifs) , qui ne nécessite pas le stockage d’un corpus de données volumineux et de formation, ce qui permet d’accélérer considérablement l’ensemble du processus.

Il existe un lexique en anglais MPQA (http://mpqa.cs.pitt.edu/lexicons/subj_lexicon/), qui est l’un des lexiques de subjectivité les plus fréquemment utilisés. Il existe 5 097 mots négatifs et 2 533 mots positifs dans le MPQA. Par ailleurs, tous ces mots sont annotés avec une polarité forte ou faible. Le corpus entier fait l'objet d'une licence GPL GNU.