Opinion mining

Avec le web 2.0, toute page web est susceptible d'être une source de données[1]. Cependant Twitter présente des avantages intéressants comme la brièveté des tweets (140 caractères) ainsi que sa réactivité[2], de plus Twitter est ouvert et les textes qui y sont soumis sont accessibles à tous grâce à un service web[3] ce qui facilite l'exploitation des données.

Cependant plusieurs études ont été faites sur d’autres sources de données telles que des paroles de chansons ou des discours présidentiels[4].

Les réseaux sociaux restent malgré tout une cible privilégiée, car ils représentent une source de donnée riche et assurent un renouvèlement des informations en temps réel.

Il existe des outils permettant d'identifier le sentiment dégagé par un texte. Voici une liste des outils les plus connus :

• Nocode functions[5]: application web gratuite d'analyse de sentiment en trois classes (positif, neutre, négatif) basé sur Umigon. Particulièrement adapté à l'analyse de textes de réseaux sociaux, en français ou en anglais, cette application a été évaluée comme la plus performante de sa catégorie.
• AFINN : évalue la positivité/négativité d'un mot à l'aide d'un dictionnaire contenu dans une archive ;
• General Inquirer : lemmatise les mots, effectue une analyse graphique et statistique et produit un rapport contenant des phrases avec les mots les plus significatifs ;
• SenticNet[6] : analyse avancée de la polarité de mots en prenant en compte leurs nuances ;
• WordNet : permet de savoir à l’aide de groupe de synonymes si un mot est positif ou non ;
• SentiWordNet : il s’agit d’une extension à WordNet ; il attribue à chaque groupe de synonymes provenant de WordNet, trois scores de sentiment : la positivité, la négativité, l'objectivité ;
• SentiSense[7] : il s’agit également d’un travail basé sur WordNet permettant de polariser les mots de façon plus précise ;
• Subjectivity Lexicon[8] : permet d’obtenir la polarité d’un mot tout en prenant soin d’analyser son contexte d’utilisation ;
• MicroWNOp : se base à la fois sur General Inquirer et WordNet ; il fournit des ensembles de mots positifs, négatifs et objectifs qui sont synonymes.

Dans le domaine de l'analyse de sentiment, une étude comparative[9] a été effectuée afin de déterminer quels étaient les avantages et inconvénients de chaque source de données. Dans le cadre d'analyse de tweets relatifs à des évènements majeurs, l'étude met en avant le fait que plusieurs de ces tweets n'ont pas pu être reconnus par les sources de données. On peut y voir que SentiWordNet, SenticNet et SentiStrength semblent couvrir un plus grand nombre de tweets. Cependant l'article met également en évidence que le taux de couverture n'est pas synonyme de reconnaissance efficace et que la polarité d'un mot donné n'est pas fiable. C'est pourquoi l'article se propose de combiner plusieurs de ces méthodes afin d'exploiter les avantages de chacun et d'obtenir le résultat le plus proche possible de la réalité.

Le but de l'analyse de données est de déterminer si le sentiment dégagé par une phrase est positif ou négatif. La principale difficulté de l'analyse réside au cœur même de l'utilisation de la langue. Le sentiment dégagé par une phrase dépend directement du contexte dans laquelle elle est utilisée, du type de langage, ainsi que de la personne qui l'a écrite... En réalité, il existe une multitude de facteurs de plus ou moins grande influence qui altèrent le sentiment suscité par un propos.

Il existe deux grandes catégories d'analyse : l'analyse lexicale et l'analyse par apprentissage automatique. Cependant, il existe des outils qui tirent profit de ces deux méthodes[10].

L'approche fondée sur l’analyse lexicale consiste à déduire l’émotion dégagée par une phrase via une analyse sémantique des mots. Cette approche implique de classifier la phrase via des instances de phrases déjà existantes et pour lesquelles des émotions ont déjà été identifiées. Pour cela, on utilise des dictionnaires qui référencent les mots annotés de la polarité et le contexte pour lequel celle-ci est valable[11].

Les principales méthodes de classification de mots sont basées sur les algorithmes suivants :

• classification naïve bayésienne (Naïve Bayes) ;
• principe d'entropie maximale, employé en tant que fondement derrière un algorithme de classification de texte (MaxEnt) par Nigam et al.[12] ;
• Apprentissage auto-supervisé.

L'algorithme le plus efficace semble être l'apprentissage auto-supervisé[13].

L’analyse de sentiments peut trouver de nombreuses applications dans le domaine de la prédiction et de la supervision. En sciences sociales, l'analyse de sentiments permet d'effectuer des analyses médiatiques ou l'analyse des campagnes électorales[14] - [15].