La détection automatique de l’ironie dans les tweets algériens

Abstract

L’analyse des données sur les réseaux sociaux est un domaine de recherche en plein ébullition. L’importance de ces données est considérable pour les institutions étatiques et les entreprises commerciales qui souhaitent obtenir respectivement un avis des citoyens sur un événement politique particulier ou un retour client sur des produits bien spécifiques. Dans le cadre de ce mémoire de master, nous nous focalisons sur l’identification de l’ironie dans un type particulier de données à savoir les tweets. Dans ce cadre, nous nous sommes intéressés à la construction d’un corpus formé de 8178 tweets algériens dont 70% sont ironiques et le reste sont non ironiques. Pour ce faire, nous avons suivi une démarche en trois phases. Dans un premier temps, nous nous sommes intéressés à la collecte des tweets algériens et leurs annotations. Dans une deuxième étape, nous avons mené une opération de prétraitement de données comme la tokenisation, la limmetasation et l’élimination des mots vides. Enfin, dans la troisième étape, nous avons implémenté des classifieurs à base d’apprentissage artificiel pour la détection automatique de l’ironie pour les tweets algériens. Les résultats obtenus pour cette tâche sont très prometteurs et ouvrent des pistes de recherche lors de l’analyse future de sentiments