Analyse des sentiments à partir des commentaires Facebook publiés en Arabe stan
Analyse des sentiments à partir des commentaires Facebook publiés en Arabe standard ou dialectal marocain par une approche d’apprentissage automatique Abdeljalil Elouardighi∗, Mohcine Maghfour∗, Hafdalla Hammia∗, Fatima-Zahra Aazi∗∗ ∗Laboratoire de Modélisation Mathématiques et de Calculs Economiques Faculté des Sciences Juridiques Economiques et sociales, Université Hassan 1er, Km 3, route de Casablanca, B.P. : 784, Settat, Maroc. abdeljalil.elouardighi@uhp.ac.ma, m.maghfour.@gmail.com, hhammia@gmail.com ∗∗ESCA Ecole de Management, 7, Rue Abou Youssef El Kindy, 20 070 Casablanca, Maroc. faazi@esca.ma Résumé. L’analyse des sentiments est un processus pendant lequel la polarité (positive, négative ou neutre) d’un texte donné est déterminée. Nous nous in- téressons dans ce travail à l’analyse des sentiments à partir des commentaires Facebook, réels, partagés en arabe standard ou dialectal marocain par une ap- proche basée sur l’apprentissage automatique. Ce processus commence par la collecte des commentaires et leur annotation à l’aide du crowdsourcing suivi d’une phase de prétraitement du texte afin d’extraire des mots arabes réduits à leur racine. Ces mots vont être utilisés pour la construction des variables d’entrée en utilisant plusieurs combinaisons de schémas d’extraction et de pondération. Pour réduire la dimensionnalité, une méthode de sélection de variables est ap- pliquée. Les résultats obtenus des expérimentations sont très prometteurs. 1 Introduction L’analyse des sentiments (AS) devient un domaine d’étude très ouvert à la recherche. L’ob- jectif étant d’analyser, à partir des textes partagés sur les réseaux sociaux, les opinions, les sentiments, les attitudes et les émotions des communautés sur différents sujets. En général, on distingue deux catégories d’approches pour l’AS des textes publiés sur les réseaux sociaux : la première est basée sur le lexique, consiste à utiliser une collection prédéfinie de mots et d’annoter chacun avec une valeur traduisant sa polarité (sentiment positif, négatif ou neutre). La deuxième est basée sur des techniques d’apprentissage automatique. L’AS dans ce cas peut être vu comme étant un problème de classification supervisée de texte. Sur les réseaux sociaux, comme Facebook, les commentaires partagés en arabe prend généralement la forme de l’Arabe Standard Moderne (ASM) ou l’Arabe dialectal (Duwairi et Qarqaz, 2014). Nous nous intéres- sons dans ce travail à l’AS à partir des commentaires Facebook écrits en ASM ou en Arabe Dialectal Marocain (ADM) en utilisant une approche basée sur l’apprentissage automatique. - 329 - Analyse des sentiments à partir des commentaires Facebook en Arabe Nos principales contributions dans ce travail consistent à : décrire les propriétés de la langue ASM et surtout l’ADM et leurs défis pour l’AS; présenter un ensemble de techniques de prétraitement des commentaires Facebook écrits en ASM et en ADM pour l’AS et finalement construire et sélectionner des entités (mots ou séquence mots) des commentaires permettant d’obtenir le meilleur modèle de classification des sentiments. Le reste de cet article est organisé comme suit : dans la section 2, nous décrivons le proces- sus d’apprentissage automatique proposé et son application aux commentaires Facebook écrits en ASM et en ADM. Nous présentons également les méthodes de sélection et d’extraction des variables (mots ou séquences de mots) utilisées dans la phase de classification. Les résultats des expérimentations sont donnés dans la section 3. Une conclusion et quelques perspectives de ce travail sont présentées dans la section 4. 2 Processus d’apprentissage automatique appliqué aux commentaires Facebook en Arabe L’AS des commentaires Facebook écrits en ASM ou en ADM selon une approche d’ap- prentissage automatique, nécessite l’implémentation de plusieurs étapes. La figure suivante (Fig. 1) fournit un aperçu global de ce processus. Nous décrirons dans les paragraphes suivants les principales tâches de chaque étape. Collecte des Commentaires Facebook Prétraitement des Commentaires Extraction de Variables Evaluation Classification Sélection de Variables FIG. 1 – Etapes du processus proposé pour l’analyse des sentiments. 2.1 Collecte des commentaires Facebook Le processus d’apprentissage automatique proposé est testé sur des commentaires Face- book écrits en ASM ou en ADM, sur les élections législatives marocaines ayant eu lieu le 7 octobre 2016. Nous avons ciblé des journaux marocains qui publient en ligne des commen- taires en langue arabe (moderne ou dialectal). La collecte de ces commentaires a été effectuée utilisant l’API : "Facebook Graph API" sur une période de 70 jours et nous a permis de sélec- tionner 10254 commentaires. Pour une libre exploitation, nous avons publié la base de données dans (ElecMorocco, 2017). - 330 - A. Elouardighi et al. 2.2 Traitement des commentaires Facebook Le traitement du texte des commentaires est une phase critique dans le processus d’ana- lyse des sentiments étudié. L’objectif étant d’extraire des variables (sous forme de mots ou de séquences de mots) pour les utiliser dans la classification. La qualité du traitement a donc clairement un impact majeur sur les performances des modèles de classification et les résultats obtenus à la fin du processus. On commence cette étape par un nettoyage et une normalisation du texte : suppression des signes, des symboles, des lettres répétées, des mots vides ou des mots qui ne fournissent aucune information sur le sujet étudié. La tâche suivante est l’opération de tokénisation par laquelle le texte du commentaire est divisé en unités lexicales (tokens). Dans un texte en Arabe moderne ou dialectal, ces unités sont plus complexes puisqu’elles sont composées souvent de plus d’un mot, d’où l’importance de la tâche de désuffixation ou racinisation. Pour développer et appliquer un racinisateur sur les commentaires collectés, nous nous sommes inspirés du racinisateur light10 de (Larkey et al., 2007) qui propose l’élimination des préfixes et suffixes les plus courants d’un token dans le langage arabe moderne, sur lequel nous ajoutons une extension pour l’arabe dialectal marocain . Le tableau suivant (Table. 1) présente un exemple de prétraitement d’un commentaire. 8l EGLI 6 IWYPXEX 8I\XI MRMXMEP Í./5º³ Íg%.f¯$ ÍÎÎÎÎÎÎÎÏ ¬ÔÔÔÔÕ· ÞÊi%· ÞÊi%.f¯$ <%Ï Õ¯Õ/ Þ Þ±$ ´'¢¯$ 0IW HMWGSYVW HI GI TSPMXMGMIR RI WSRX TEW VEMWSRREFPIW LELELELELE TSPMXMUYI QEVSGEMRI 2IXXS]EKI Í./5º³$ Íg%.f¯$ ÍÎÎÎÎÎÎÎÏ ¬ÔÔÔÔÕ· ÞÊi%· ÞÊi%.f¯$ <%Ï Õ¯Õ/ Þ Þ±$ ´'¢¯$ 2SVQEPMWEXMSR Í./5º³$ Íg%.f¯$ ÍÏ ¬Õ· ÞÊi%· ÞÊi%.f¯$ <%Ï Õ¯Õ/ Þ Þ±$ ´'¢¯$ 8SO IRMWEXMSR Í./5º³$ Íg%.f¯$ ÍÏ ¬Õ· ÞÊi%· ÞÊi%.f¯$ <%Ï Õ¯Õ/ Þ Þ±$ ´'¢¯$ 7YTVIWWMSR HIW QSXW ZMHIW Í./5º³$ Íg%.f¯$ ÍÏ ¬Õ· ÞÊi%· ÞÊi%.f¯$ Õ¯Õ/ ´'¢¯$ ( , 5· d%.g ÍÏ ¬Õ· d%· d%.g ¬Õ ´'£ TAB. 1 – Exemple de prétraitement d’un commentaire. 2.3 Extraction et sélection de variables L’AS par apprentissage supervisé nécessite la détermination au préalable de la polarité des opinions exprimées dans le texte pour construire la variable objectif. L’annotation des commentaires collectés a été effectuée en utilisant le crowdsourcing. Cette tâche a été confiée à un groupe de volontaires pour définir la polarité des commentaires, positifs ou négatifs. Au final, 6581 commentaires ont été annotés négatifs et 3673 positifs. Les variables d’entrée sont automatiquement extraites depuis le corpus formé à partir des commentaires prétraités utilisant les schémas d’extraction n-gram et de pondération TF / TF-IDF. Des études telle que celle de (Pang et al., 2008) ont montré que la qualité des modèles de classification dépend des spécificités des données utilisées. Pour cela, nous avons testé six - 331 - Analyse des sentiments à partir des commentaires Facebook en Arabe combinaisons de schémas d’extraction et de pondération pour garantir la meilleure qualité des modèles développés. Afin de réduire la dimensionnalité et améliorer la qualité des modèles de classification, une méthode de sélection de variables a été utilisée. Il s’agit du score « somme des carrés intergroupe à intra-groupe » (BSS / WSS) utilisé dans (Dudoit et al., 2002; Sehgal et al., 2006), pour sélectionner les mots ou les séquences de mots les plus discriminants. Le score permet de classer les variables par ordre de pertinence. Une fois l’ordre établi, on choisit le sous ensemble optimal de mots par la méthode pas à pas de type forward. 2.4 Classification des commentaires Pour classer les commentaires Facebook, nous avons appliqué trois algorithmes de clas- sification supervisée(implémentés sur le logiciel R) : Naïve Bayes(NB), les Forêts Aléatoires (FA) et les Machines à Vecteurs Support (SVM). 3 Résultats et discussion La combinaison des schémas d’extraction et de pondération nous a permis de tester six configurations différentes (six jeux de données), pour lesquelles nous avons appliqué le score de sélection de variables. Chaque jeu de données était devisé en trois sous-ensembles : 50% pour l’apprentissage, 25% pour la validation et 25% pour le test. Le tableau (Table. 2) résume les résultats des expérimentations menées. Configurations Classifieurs Nombre de variables sélectionnées TBC avec les variables sélectionnées sur l’échantillon de validation TBC avec les variables sélectionnées sur l’échantillon de test TBC calculé en présence de toutes les variables 1 - Unigram/ TF SVM 186 0.74 0.75 0.76 NB 56 0.71 0.73 0.39 FA 149 0.75 0.75 0.74 2 - Unigram/ TF-IDF SVM 198 0.77 0.78 0.78 NB 55 0.72 0.72 0.42 FA 56 0.76 0.76 0.75 3 - Bigram/ TF SVM 195 0.72 0.73 0.72 NB 20 0.69 0.68 0.35 FA 175 0.73 0.72 0.73 4 - Bigram/ TF-IDF SVM 199 0.72 0.72 0.72 NB 20 0.67 uploads/Management/ pdf 15 .pdf
Documents similaires
-
23
-
0
-
0
Licence et utilisation
Gratuit pour un usage personnel Attribution requise- Détails
- Publié le Jui 02, 2021
- Catégorie Management
- Langue French
- Taille du fichier 0.1703MB