Fouille de documents et d'opinions multilingue

Mining Documents and Sentiments in Cross-lingual Context

• Auteur / Autrice : Motaz Saad
• Direction : Kamel Smaïli, David Langlois
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 20/01/2015
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine
• Partenaire(s) de recherche : Laboratoire : Laboratoire lorrain de recherche en informatique et ses applications
• Jury : Président / Présidente : Emmanuel Morin
• Jury : Examinateurs / Examinatrices : Khalid Benali
• Jury : Rapporteurs / Rapporteuses : Éric Gaussier, Pascal Poncelet

Mots clés

Mots clés contrôlés

Analyse linguistique

Sentiments

Analyse et indexation des documents

Multilinguisme

Exploration de données

Mots clés libres

Fouille de textes

Traitement automatique du langage naturel

Corpus comparable

Recherche d’information inter-Langues

Projection inter-Langues

Analyse des sentiments

Text mining

Natural language processing

Comparable corpus

Cross-Lingual information retrieval

Cross-Lingual projection

Sentiment analysis

Résumé

L’objectif de cette thèse est d’étudier les sentiments dans les documents comparables. Premièrement, nous avons recueillis des corpus comparables en anglais, français et arabe de Wikipédia et d’Euronews, et nous avons aligné ces corpus au niveau document. Nous avons en plus collecté des documents d’informations des agences de presse locales et étrangères dans les langues anglaise et arabe. Les documents en anglais ont été recueillis du site de la BBC, ceux en arabe du site d’Al-Jazzera. Deuxièmement, nous avons présenté une mesure de similarité cross-linguistique des documents dans le but de récupérer et aligner automatiquement les documents comparables. Ensuite, nous avons proposé une méthode d’annotation cross-linguistique en termes de sentiments, afin d’étiqueter les documents source et cible avec des sentiments. Enfin, nous avons utilisé des mesures statistiques pour comparer l’accord des sentiments entre les documents comparables source et cible. Les méthodes présentées dans cette thèse ne dépendent pas d’une paire de langue bien déterminée, elles peuvent être appliquées sur toute autre couple de langue

The aim of this thesis is to study sentiments in comparable documents. First, we collect English, French and Arabic comparable corpora from Wikipedia and Euronews, and we align each corpus at the document level. We further gather English-Arabic news documents from local and foreign news agencies. The English documents are collected from BBC website and the Arabic documents are collected from Al-jazeera website. Second, we present a cross-lingual document similarity measure to automatically retrieve and align comparable documents. Then, we propose a cross-lingual sentiment annotation method to label source and target documents with sentiments. Finally, we use statistical measures to compare the agreement of sentiments in the source and the target pair of the comparable documents. The methods presented in this thesis are language independent and they can be applied on any language pair