English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

RÉSUMÉ. Les consommateurs ont l’habitude de consulter les critiques postées sur internet avant d’acheter un produit. Mais, il est difficile pour le consommateur de connaître l’opinion globale du produit vu le nombre important de ces critiques. L’analyse des sentiments permet de détecter la polarité (positive, négative ou neutre) sur une opinion exprimée et donc de classer ces critiques. Notre but est de déterminer l’influence de l’expression des émotions sur l’analyse de la polarité des critiques de livres. Nous définissons des modèles de représentation “sac de mots” de critiques qui s’appuient sur un lexique contenant des mots porteurs de sentiments (positif, négatif) et d’émotions (anticipation, tristesse, peur, colère, joie, surprise, confiance, dégoût). Ce lexique permet de mesurer les types d’émotions ressenties par les lecteurs. L’apprentissage supervisé mis en oeuvre est de type forêt aléatoire (Random Forest). L’application concerne des critiques de la plateforme Amazon. ABSTRACT. ​Consumers are used to consulting posted reviews on the Internet before buying a product. But it’s difficult to know the global opinion considering the important number of those reviews. Sentiment analysis afford detecting polarity (positive, negative, neutral) in a expressed opinion and therefore classifying those reviews. Our purpose is to determine the influence of emotions on the polarity of books reviews. We define “bag-of-words” representation models of reviews which use a lexicon containing emotional (anticipation, sadness, fear, anger, joy, surprise, trust, disgust) and sentimental (positive, negative) words. This lexicon afford measuring felt emotions types by readers. The implemented supervised learning used is a Random Forest type. The application concerns Amazon platform’s reviews.

Influence des lexiques d'émotions et de sentiments sur l'analyse des sentiments.