Participation de l’IRISA à DeFT 2018 : classification et annotation d’opinion dans des tweets
Abstract
This paper describes the systems developed at IRISA by the LinkMedia team for the challenge DeFT 2018. The challenge focuses on opinion mining in french tweets about transports. The team has participated in 3 out of the 4 tasks: (i) classification of the tweets whether they are about transports or not, (ii) classification of the tweets according to their polarity and (iii) fine grained annotation of the sentiment expression and the object about which an opinion is given. For the tasks 1 and 2, we have used a boosting algorithm as well as recurrent neural networks (RNN). For the 3rd task, we have experimented the use of recurrent neural networks combined with some CRF. All the approaches give close results, with a slight advantage when using RNN, and yields among the best results for every tasks
Cet article décrit les systèmes développés par l’équipe LinkMedia de l’IRISA pour la campagne
d’évaluation DeFT 2018 portant sur l’analyse d’opinion dans des tweets en français. L’équipe a
participé à 3 des 4 tâches de la campagne : (i) classification des tweets selon s’ils concernent les
transports ou non, (ii) classification des tweets selon leur polarité et (iii) annotation des marqueurs
d’opinion et de l’objet à propos duquel est exprimée l’opinion. Nous avons utilisé un algorithme de
boosting d’arbres de décision et des réseaux de neurones récurrents (RNN) pour traiter les tâches 1 et
2. Pour la tâche 3 nous avons expérimenté l’utilisation de réseaux de neurones récurrents associés
à des CRF. Ces approches donnent des résultats proches, avec un léger avantage aux RNN, et ont
permis d’être parmi les premiers classés pour chacune des tâches.
| Origin | Files produced by the author(s) |
|---|
Loading...