Une approche Deep learning pour l’analyse des sentiments multi-langages pour l’opérateur téléphonique Ooredoo

Abstract

L’analyse des sentiments, (aussi appelé l’opinion mining) est l’un des domaines récents de recherche émergent, en matière de classification de polarité des sentiments et de fouille de textes, en particulier avec le nombre considérable d’opinions disponibles dans les médias sociaux. Il concerne l’extraction automatique des opinions exprimées dans un texte donné. En raison de ses vastes applications, de nombreuses études ont été menées dans le domaine de l’Opinion Minning, en particulier dans les textes en arabe algérien dialectal, tandis que d’autres langues utilisées, telles que l’arabe, le français et l’anglais, ont fait l’objet d’une attention amoindrie. Les opérateurs sont exigeants et prêtent une grande importance à l’opinion de leur clientèle, qui utilise un langage arabe dialectal dans les différents réseaux sociaux, tout en introduisant les sentiments dans leur plate-forme respective et leur enjeu stratégique Dans ce travail nous avons proposé une approche d’apprentissage profond Deep Learning pour l’analyse des sentiments multi-langages des commentaires des clients de l’opérateur téléphonique algérien OOREDOO. A cet effet, nous avons utilisé les réseaux de neurones convolutifs CNN ainsi que les réseaux Long Short- Term Memory LSTM , qui abordent l’analyse de l’Arabe Standard Moderne (ASM) et du dialecte algérien et des autres langues. Nous avons proposé SentiOoredoo, un outil qui permet d’analyser les sentiments des clients de l’opérateur téléphonique ooredoo représentés par des commentaires Facebook, des SMS , ainsi que des tweets en temps réelle avec l’api Tweepy de Twitter. Dans notre travail, le jeu des données SentiOredoo dataset est annoté manuellement. Nous avons aussi utilisé la dataset Sentiment140 contenant plus de 1.6 millions de tweets considérée comme étant la plus grande dataset dans le domaine de l’analyse des sentiments .***

Sentiment analysis , a natural language processing task, has been a subject of interest in the past and in the present day for the research community. This problem has a lot of solutions offered with different machine learning classification techniques. One of the more recent techniques is deep learning which we find a lot of contributions have used as a solution to this type of task and also shows good results. In this work we proposed a deep learning approach for the analysis of feelings multi-languages at OOREDOO Algeria , precisely for this work we used the convolutional neural networks CNN and also Long Short-Term Memory LSTM networks, which tackles analyzing at both Modern Standard Arabic (MSA) and Algerian Arabic and other languages. Our system is called SentiOoredo to analyze the feelings of the files of the ooredoo telephone operator which contains comments or SMS, and to analyze realtime feelings tweets are already posted on Twitter using API Tweepy . We have proposed our manually annotated SentiOredoo dataset and also we have used the largest dataset in this domain Sentiment140 which contains 1.6 million tweets.