Plateforme d’étiquetage dynamique pour la fouille d’opinion

Les plateformes sociales (Twitter, blogs, forums), vecteurs de la diversite des points de vue de la collectivite, constituent un vivier de donnees convoite pour la fouille d’opinion et l’analyse de sentiments. Dans ce cadre, les methodes appliquees en classification n’apprennent souvent que des sorties relativement frustes : celles-ci se reduisent a une polarite ou a une gradation lineaire. Est-il possible d’apprendre des motifs plus riches avec un nombre raisonnable d’exemples ? Notre demarche est appliquee au ressenti a l’egard de marques. L’enjeu est d’analyser l’image de marque a l’aide d’un ensemble de traits lexicaux, structures par leurs relations semantiques. Pour predire un tel motif par apprentissage supervise, il est avant tout necessaire de disposer d’un jeu de donnees etiquetees. Pour cela, nous avons mis en place une plateforme collaborative pour l’etiquetage de messages issus du web social en traits semantiques et sentiments. Afin d’optimiser les etiquetages, la plateforme est sous-tendue par des mecanismes dynamiques a double vocation : filtrer les messages non pertinents et restructurer la grille d’analyse specifique a chaque marque au fur et a mesure des annotations.