Outils d'analyse sémantique pour l'autocodage qualitatif de corpus d'opinions d'utilisateurs selon des critères psycho-cognitifs

Semantic analysis tools for the qualitative autocoding of user opinions corpora according to psycho-cognitive criteria

• Auteur / Autrice : Jonas Noblet
• Direction : Olivier Kraif
• Type : Projet de thèse
• Discipline(s) : Sciences du langage Spécialité Informatique et sciences du langage
• Date : Inscription en doctorat le 01/03/2022
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale langues, littératures et sciences humaines (Grenoble, Isère, France ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Linguistique et Didactique des Langues Etrangères et Maternelles

Mots clés

Mots clés libres

Émotions

Linguistique de corpus

Sémantique computationnelle

Apprentissage machine

Réseau de neurones

Emotions

Corpus linguistics

Computational semantics

Machine learning

Neural network

Résumé

La présente thèse a pour objet l'automatisation du codage qualitatif de corpus de retours utilisateurs sur des produits ou services innovants. Le codage qualitatif suit celui décrit par la mesure psycho-cognitive EMINOSA, dont le but est d'évaluer les chances de succès des innovations. Le codage automatique est inspiré par les techniques de l'état de l'art en matière de classification pour le traitement automatique du langage. Les techniques envisagées reposent notamment sur l'apprentissage profond et les réseaux de neurones Transformers.

This thesis aims to automate the qualitative coding of corpora of user feedbacks on innovative products or services. The qualitative coding follows the one described by the psycho-cognitive measure EMINOSA, the purpose of which is to assess the chances of success of innovation. The automatic coding is inspired by state-of-the-art classification techniques for natural language processing. More specifically, the techniques considered are based on deep learning and Transformers neural networks.