Le rôle des inférences pour la fouille d'opinion : applications aux réseaux sociaux en langue chinoise

The Role of Inferences in Opinion Mining : Applications to Chinese Social Media

• Auteur / Autrice : Liyun Yan
• Direction : Mathieu Valette, Cyril Grouin
• Type : Thèse de doctorat
• Discipline(s) : Science du langage et langues appliquées : ingéniérie linguistique
• Date : Soutenance le 05/07/2021
• Etablissement(s) : Paris, INALCO
• Ecole(s) doctorale(s) : École doctorale Langues, littératures et sociétés du monde (Paris)
• Partenaire(s) de recherche : Laboratoire : Equipe de Recherche Textes, Informatique, Multilinguisme (Paris)
• Jury : Examinateurs / Examinatrices : Mathieu Valette, Cyril Grouin, Farah Benamara, Dominique Legallois, Yue Ma, Christine Lamarre
• Jury : Rapporteurs / Rapporteuses : Farah Benamara, Dominique Legallois

Mots clés

Mots clés contrôlés

Traitement automatique du langage naturel

Inférence

Chine

Réseaux sociaux

Mots clés libres

Fouille d'opinion

Inférence

Langue chinoise

Réseaux sociaux

Opinion Mining

Inference

Chinese Language

Social Network

Résumé

Cette thèse s'intéresse à l'inférence linguistique dans la fouille d'opinion dans un corpus des commentaires touristiques en chinois. Les techniques existantes qui sont bien développées sur des opinions courtes et explicites donnent des résultats limités dans l'interprétation des contextes implicites. De plus, l'expression de l'opinion met en œuvre des stratégies énonciatives différentes suivant les langues et les cultures. Notre hypothèse de travail consiste à étudier les inférences pour améliorer la fouille d'opinion. Dans cette perspective, notre première contribution propose une typologie des inférences pour le chinois en 5 types: logique, pragmatique, lexicale, énonciative et discursive (Rossi et Campion, 1999; Marin, 2004; Duchêne, 2008; Doucy et Massoussi, 2012). Nous avons appliqué cette typologie pour annoter un corpus, dans l'objectif de mener des expériences de fouille d'opinion avec et sans le traitement des inférences. Notre deuxième contribution se focalise sur la classification automatique des inférences en nous basant sur les caractéristiques linguistiques, les métadonnées du domaine et les vecteurs du plongement de mots. L'objectif d'une part est de prouver que le traitement des inférences améliore la performance de la fouille d'opinion et d'autre part de trouver une solution équilibrée entre la classification manuelle couteuse et la classification automatique. Dans ce travail de thèse, nous avons démontré l'intérêt d'étudier les inférences pour réaliser une fouille d'opinion en chinois. Toutefois, l'identification automatique des inférences reste complexe et nécessite une poursuite des travaux de recherche.

This thesis is interested in linguistic inference in opinion mining in a corpus of tourist commentaries in Chinese. Existing techniques which are well developed on short and explicit opinions, give limited results in interpreting implicit contexts. In addition, expression of opinion implements different enunciative strategies according to languages ​​and cultures. Our hypothesis consists in studying inferences to improve opinion mining. In this perspective, our first contribution proposes a typology of inferences for Chinese in 5 types: logical, pragmatic, lexical, enunciative and discursive (Rossi and Campion, 1999; Marin, 2004; Duchêne, 2008; Doucy and Massoussi, 2012). We applied this typology to annotate a corpus, with the objective of conducting opinion mining experiments with and without the processing of inferences. Our second contribution focuses on automatic classification of inferences based on linguistic characteristics, domain metadata and word embedding vectors. The objective on the one hand is to prove that the processing of inferences improves the performance of opinion mining and on the other hand to find a balanced solution between expensive manual annotation and automatic classification. In this thesis, we demonstrated the interest of studying inferences for opinion mining in Chinese. However, the automatic identification of inferences remains complex and requires further research.