Télécharger le PDF

Télécharger le PDF
Méthodes de sémantique de corpus pour la fouille de données subjectives
Mathieu Valette
travaux en collaboration avec
Egle Eensoo
Journée d’étude de l’ATALA – Fouille d'Opinions et Analyse de Sentiments – Paris (INALCO) – 21 III 2015
I
Position de la linguistique dans le TAL
TAL comme traitement
automatique des
langues
proposition, phrase
méthodes logico-formelles
linguistique, science du langage
TAL comme traitement
automatique des textes
textes, documents, corpus
méthodes par apprentissage
linguistique de sous-traitance ?
Valette et Eensoo (2015)
linguistique pourvoyeuse de
ressources
analyseurs morphosyntaxiques
dictionnaires, lexiques corpus
expertise linguistique ?
annotations syntaxiques
annotations sémantiques
Le problème des annotations « fines »
« fines » signifie, en TAL, lexicales. Or les émotions ne sont pas le vocabulaire des
émotions
Ex. « L'amour et la fidelité sont des espéces en voie de disparition » = AMOUR (??)
Valette et Eensoo (2015)
L’informatique, la nouvelle science des textes ?
Maîtrise de l’appareil de production
Prolétarisation de la linguistique (et des SHS)
La linguistique doit changer d’épistémologie
Linguistique de la langue
—>
Linguistique des textes
Vers un paradigme rhétorique / herméneutique
Valette et Eensoo (2015)
II
La linguistique de corpus comme
pré-outillage pour la fouille de textes
traitement automatique des langues
linguistique de corpus
automatisation des processus
itération corpus < > interprète
visée utilitariste visée épistémique
performance, optimisation
reproductibilité et évaluation
interprétation conforme
acceptabilité et consensus
Eensoo et Valette (2014ab)
Objectif
développer des modèles de fouille de textes s’adossant à
la linguistique de corpus
tout en se pliant aux exigences du TAL en termes
d’évaluation
Eensoo et Valette (2012, 2014ab)
Sémantique textuelle et textométrie
(i) retour au texte comme condition de l’interprétation
(ii) pas de préconception réductrice du texte
(iii) rôle du contexte global construit par le corpus de référence
(iv) fonctionnement différentiel (calculs contrastifs)
(v) développement d’une statistique contextualisante, syntagmatique
ou co-occurrencielle
Mayaffre (2008), Pincemin (2010)
III
Sémantique de corpus pour la fouille de
données subjectives
Etat de l’art
Approches « apprentistes »
texte comme chaîne de caractères ou de tokens
traitements massifs fonctionnant par accumulation de descripteurs
peu ou pas de sélection parmi les descripteurs
priorité donnée au choix et à l’optimisation des algorithmes
ex. Pang et al. 2002
Eensoo et Valette (2012, 2014a)
Approches « opportunistes »
enrichissement des données d’apprentissage au moyens
d’éléments linguistiques rendus disponibles par des outils TAL
sélection de certains paliers analytiques
(lexiques identifiés, patrons morphosyntaxiques, parties du discours, etc.)
accent mis sur les mesures et les algorithmes ex. Turney 2002, Yu & Hatzivassiloglou, 2003, Tanguy et al. 2011
Eensoo et Valette (2012, 2014a)
Approches cognitivistes
ressources lexicales reposant sur des modèles cognitivistes
supposition de l'existence de catégories cognitives préétablies et
indépendantes des langues
unités lexicales comme des instanciations langagières d'états
privés universaux
répond à l'exigence de formalisation ex. Esuli & Sebastiani 2006, Whitelaw et al. 2005
Eensoo et Valette (2012, 2014a)
Approches linguistiques théoriques
revendication d'un cadre théorique
(ex : pragmatique, analyse du discours)
sélection d’éléments théoriques nécessaires à l'application
combinaison d’analyses ascendante et descendante
préférence donnée aux méthodes symboliques, mieux
« contrôlables », sans exclure les algorithmes de
classification
ex. Vernier et al. 2009
Eensoo et Valette (2012, 2014a)
Méthodologie
Méthodologie
1. identifier les descripteurs nécessaires et suffisants, – textométrie (Salem et al. 2003, Heiden et al. 2010), – calcul de spécificités (Lafon 1980)
3
2. caractériser les descripteurs
– sémantique textuelle (Rastier 2001)
Eensoo et Valette (2012, 2014a)
Méthodologie
1. identifier les descripteurs nécessaires et suffisants, – textométrie (Salem et al. 2003, Heiden et al. 2010), – calcul de spécificités (Lafon 1980)
6
2. caractériser les descripteurs
– sémantique textuelle (Rastier 2001)
3. évaluer les descripteurs
– Support Vector Machine (Platt, 1998)
– Naïve Bayes Multinomial (McCallum & Nigam, 1998)
5
4. retour sur les qualifications sémantiques
Eensoo et Valette (2012, 2014a)
Études de cas
Étude de cas (1/2)
Sentiment Analysis
États émotionnels dans des ego-documents
du domaine sanitaire et médical
300 posts de forums de discussion (< 2012)
aufeminin.com, doctissimo.fr, etc.
Dysphorie
Euphorie
Eensoo et Valette (2012, 2014a)
Agoniste dysphorique
composante dialogique
composante thématique
un acteur-énonciateur
égocentré (1e pers. sing.)
et enclos sur un univers
intime (mon mari, ami) :
composante dialectique
Ce qui m’a le plus aidée ma
famille, mon mari, mes
enfants, mes amis
univers impressif, non
factuel, agnosique
imperfectivité
Je ne sais pas comment
cela va évoluer
J’ai l’impression que je vais
plus mal qu'avant
Eensoo et Valette (2012, 2014a)
Agoniste dysphorique
composante dialogique
composante thématique
un acteur-énonciateur
égocentré (1e pers. sing.)
et enclos sur un univers
intime (mon mari, ami) :
composante dialectique
Ce qui m’a le plus aidée ma
famille, mon mari, mes
enfants, mes amis
excentration de l’action,
passivité
On me dit que les causes de
cette maladie ne sont pas
encore précises
Le médecin me dit que ça
doit être le fibrome et préfère
attendre l'écho
Eensoo et Valette (2012, 2014a)
Agoniste dysphorique
composante dialogique
un acteur-énonciateur
égocentré (1e pers. sing.)
et enclos sur un univers
intime (mon mari, ami) :
Ce qui m’a le plus aidée ma
famille, mon mari, mes
enfants, mes amis
composante thématique
composante dialectique
//diagnostic//
‘syndrome’, ‘kg’
excentration de l’action,
passivité
elle a perdu plus de 40 kg en 6 mois
On me dit que les causes de
cette maladie ne sont pas
encore précises
//prescription//
‘mg’, ‘chimio’
Le médecin me dit que ça
doit être le fibrome et préfère
attendre l'écho
depuis février il prend
12.5 mg de cortancyl
Eensoo et Valette (2012, 2014a)
Agoniste euphorique
composante dialogique
un acteur-énonciateur
altruiste (2e pers. sing.)
composante thématique
composante dialectique
Alors tu vois il faut avoir
espoir
Eensoo et Valette (2012, 2014a)
Agoniste euphorique
composante dialogique
qui élabore de nouveaux
univers (i) en faisant part
de son expérience à des
fins d’édification
composante thématique
//médecine//
Par contre j'étais soignée
à l’homéopathie, ça
marchait apparemment bien
Pour ma part, tous c’est très
bien déroulé
(ii) en intertextualisant
son témoignage
//traitement//
Je te file une adresse :
http://www.linternaute. com/
sante…
Elle me file un truc genre
doliprane
composante dialectique
qui élabore un texte
séquencé, descriptif ou
argumentatif
J’ai choisi la deuxième
solution, après en avoir
discuté avec mon ami Après tu t’installes puis elle
va te préparer la grosse
piqure mdr
Eensoo et Valette (2012, 2014a)
discrétisation
30 critères relevant de la composante dialectique
(représentation du temps, aspects, rôles et interactions des acteurs)
16 critères relevant de la composante dialogique
(positionnement énonciatif)
23 critères relevant de la composante thématique
17 critères domaniaux ou taxémiques (– médical)
6 critères dimensionnels (thymiques)
Eensoo et Valette (2012, 2014a)
bilan #1
TYPES
mots simples
descripteurs dimensionnels (thymiques)
descripteurs domaniaux (//médical//)
descripteurs dialogiques
descripteurs dialectiques
dialectiques + dialogiques
tous les descripteurs
%
68,10
56,80
61,46
63,80
73,09
77,07
84,05
NB
10 700
6
17
16
30
45
70
support vector machine (Platt, 1998)
Eensoo et Valette (2012, 2014a)
bilan #2
caractérisation reproductible et validée
énonciateur dysphorique
inaccompli, égocentré, clôture des univers
énonciateur euphorique
accompli, altruiste interactif, construction d’univers multiples
validation méthodologique sémantique de corpus (analyse différentielle)
apprentissage automatique
Eensoo et Valette (2012, 2014a)
Étude de cas (2/2)
Opinion mining
Positionnement idéologique vis-à-vis de la communauté Roms
(discours médiatique)
644 commentaires d’articles de presse (2013-2014)
4 quotidiens : Le Monde, Libération, Le Figaro, Le Parisien
commentaires hostiles
racistes
xénophobes
défavorables distanciés
commentaires non hostiles
compassionnels
favorables distanciés
Eensoo et Valette (2014b)
Agoniste compassionel
composante dialogique
composante thématique
thème proximal
exprimant l’empathie
(femme, enfants,
misère)
élaboration égocentrée
zone anthropique
identitaire
composante dialectique
discours rapporté
(guillemets, citations)
je vs vous
thèmes distaux :
opposants (mafias,
réseaux) et adjuvants
(charité chrétienne).
Moi, je trouve que c'est abominable d'utiliser des enfants de cette façon (Libération, 2013-10-02)
Eensoo et Valette (2014b)
Agoniste favorable distancié
composante dialogique
anaphore (mention des
commentaires
précédents) et adresse
interlocutoire (tu)
composante thématique
valeurs humanistes de
citoyenneté (insertion,
éducation, formation)
composante dialectique
argumentation (Mais,
comme, comment, dont)
valeurs de respect
(racisme, haine)
ancrage politique et
sociétal (NAM, Walls)
Le gouvernement doit sérieusement revoir sa copie. […] Pourquoi ne pas s'attacher à
une politique humaniste assise sur le programme éducation - formation - insertion ?
(Le Monde, 2013-09-26)
Eensoo et Valette (2014b)
Agoniste raciste
composante dialogique
pronoms personnels
(étiquette PRO:PER),
1re pers. (me, moi)
composante thématique
spoliation générale :
profiter, argent des
Français, aux frais du
contribuable, vols
composante dialectique
rhétorique de l’emphase
(dire que) et de la
saturation (il y en a
marre, encore,
nombreux).
Qui vole un œuf volera un bœuf c'est bien connu, si eux en sont au stade de
l'apprentissage d'autres volent en toute quiétude par détournement sur les immensités
du système social ! (Le Figaro, 2013-12-30)
Eensoo et Valette (2014b)
Agoniste xénophobe
composante dialogique
composante thématique
composante dialectique
retour au pays d’origine :
solution, renvoyer,
expulser, retour, Roumanie,
bulgare, dans leur pays
politique européenne : libre, circuler,
Europe, frontière, économique
installation en France : s’installer, insérer,
conditions, ressources
Les européens sont libres de circuler en Europe mais ne peuvent s'installer qu'à
plusieurs conditions […] ce n'est pas démanteler le camps qu'il faut mais les renvoyer
dans leur pays d'origine. (Libération, 2014-01-15)
Eensoo et Valette (2014b)
Agoniste défavorable distancié
composante dialogique
posture modale de
l’indigné (je ne
comprends pas)
composante thématique
composante dialectique
narration (depuis des
années, puis)
spoliation des Français
par les Roms, avec la
complicité de l’État
(logement, charge,
payer, taxe, impôt).
locution disjonctive
(alors que)
ellipses (points de
suspension),
emphase (honteux, !!!!)
Je ne comprends pas pourquoi l'ensemble des politiques laissent entendre que les
roms peuvent s'installer ou ils souhaitent et bénéficier de la solidarité nationale
(Libération 2013-10-02)
Eensoo et Valette (2014b)
procédure avec validation
42 critères relevant de la composante dialectique
(représentation du temps, aspects, rôles et interactions des acteurs)
11 critères relevant de la composante dialogique
(positionnement énonciatif)
90 critères relevant de la composante thématique
Eensoo et Valette (2014b)
validation des analyses
(classification quinaire)
TYPES
mots simples (baseline)
lemmes
adjectifs et adverbes
descripteurs textométriques
descripteurs dialogiques
descripteurs dialectiques
descripteurs thématiques
Exactitude
(%)
40
41
36
51
38
43
47
NB
6 075
4 311
878
143
11
42
90
Naïve Bayes Multinomial (McCallum & Nigam, 1998)
Eensoo et Valette (2014b)
validation des analyses (classification binaire)
TYPES
mots simples (baseline)
lemmes
adjectifs et adverbes
descripteurs textométriques
descripteurs dialogiques
descripteurs dialectiques
descripteurs thématiques
desc. dialogiques + dialectiques
Exactitude
(%)
70
72
67
77
69
71
75
72
NB
6 075
4 311
878
143
11
42
90
53
Naïve Bayes Multinomial (McCallum & Nigam, 1998)
Eensoo et Valette (2014b)
Travaux mentionnés (1/2)
Eensoo, E. & M. Valette (2012) « Sur l'application de méthodes textométriques à la construction de critères
de classification en analyse des sentiments », Georges Antoniadis, Hervé Blanchon, Gilles Sérasset,
éd., Actes de la conférence conjointe JEP-TALN-RECITAL 2012, Volume 2 : TALN, 4-8 juin 2012, Grenoble,
367-374.
Eensoo, E. & M. Valette (2014a) « Sémantique textuelle et TAL : un exemple d’application à l’analyse des
sentiments », D. Ablali, S. Badir et D. Ducard, éd., Documents, textes, œuvres. Perspectives
sémiotiques, Rennes, Presses Universitaires de Rennes, Collection Rivages linguistiques, 75-89,
Eensoo, E. & M. Valette (2014b) « Approche textuelle pour le traitement automatique du discours évaluatif »,
Études sur l’évaluation axiologique, A. Jackiewicz, éd., Langue française, nº 184 (4/2014), 107-122.
Esuli, A. & Sebastiani, F. (2006). SentiWordNet: A Publicly Available Lexical Resource for Opinion Mining ,
Proceedings of the 5th conference on International Language Resources and Evaluation (LREC’06). Hatzivassiloglou V. & Wiebe J. (2000). “Effects of adjective orientation and gradability on sentence
subjectivity”, Proceedings of the International Conference on Computational Linguistics, 1, 299-305
Heiden S., Mague J.-P. & Pincement B. (2010). « TXM : Une plateforme logicielle open-source pour la
textométrie – conception et développement », I. C. Sergio Bolasco (éd.), JADT 2010, vol. 2, 1021-1032.
Lafon, P. (1980). « Sur la variabilité de la fréquence des formes dans un corpus ». Mots, 1, 127-165.
McCallum A. & Nigam K. (1998). “A Comparison of Event Models for Naive Bayes, Text Classification”,
AAAI-98 Workshop on ‘Learning for Text Categorization’,41-48
Mayaffre, D. (2008), « De l’occurrence à l’isotopie. Les co-occurrences en lexicométrie », Pour une science
des textes instrumentée, M. Valette, éd., Syntaxe & Sémantique, n°9.
Travaux mentionnés (2/2)
Pang, B., Lee, L. et Vaithyanathan, S. (2002). Thumbs up? Sentiment classification using machine learning
techniques. Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP),
pages 79-86.
Pincemin, B. (2010) - « Semántica interpretativa y textometría », in C. Duteil-Mougel & V. Cárdenas (éds),
Semántica e interpretación, Tópicos del Seminario, 23, Enero-junio 2010, 15-55.
Platt J. (1998). “Machines using Sequential Minimal Optimization”, B. Schoelkopf, C. Burges et A. Smola
(eds), Advances in Kernel Methods - Support Vector Learning, Cambridge, MIT Press.
Rastier, F. (2001) Arts et sciences du texte, Paris: PUF.
Salem A., Lamalle C., Martinez W., Fleury S., Fracchiolla B., Kuncova A. & Maisondieu A. (2003). Lexico3 –
Outils de statistique textuelle, Manuel d’utilisation, Université de la Sorbonne nouvelle.
Tanguy, L., A. Urieli, B. Calderone, N. Hathout, et F. Sajous (2011). A multitude of linguistically-rich features for
authorship attribution, Notebook for PAN at CLEF 2011.
Turney, P. (2002) « Thumbs up or thumbs down? Semantic orientation applied to unsupervised classification
of reviews », Proceedings of the Association for Computational Linguistics (ACL), 417-424.
Valette, M. & E. Eensoo (2015) « Une sémantique de corpus pour la fouille de textes », La sémantique et ses
interfaces. Actes du colloque 2013 de l’Association des Sciences du Langage, textes réunis et présentés
par A. Rabatel, A. Ferrara-Léturgie et A. Léturgie, éd., Lambert-Lucas, Limoges, 205-224.
Vernier, M., Monceaux, L. et Daille, B. (2009). DEFT'09 : détection de la subjectivité et catégorisation de
textes subjectifs par une approche mixte symbolique et statistique Actes de l'atelier de clôture de la 5ème
édition du Dé! Fouille de Textes.
Whitelaw, C.; Garg, N. & Argamon, S. (2005) ACM (Ed.) « Using appraisal groups for sentiment analysis »,
Proceedings of the 14th ACM international conference on Information and knowledge management, 625-631.
Méthodes de sémantique de corpus pour la fouille de données subjectives
Mathieu Valette
travaux en collaboration avec
Egle Eensoo
Journée d’étude de l’ATALA – Fouille d'Opinions et Analyse de Sentiments – Paris (INALCO) – 21 III 2015
Was this manual useful for you? yes no
Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Download PDF

advertising