Etudiant : EL MOUSTANSIRI IMANE

Filière : LF Sciences Mathématiques et Informatique

Encadrant : Pr. NFAOUI EL HABIB

Annèe : 2019

Résumé : L’analyse des sentiments (AS) devient un domaine d’étude très ouvert à la recherche. L’objectif étant d’analyser, à partir des textes les opinions, les sentiments, les attitudes et les émotions des communautés sur différents sujets. En général, on distingue trois catégories d’approches pour traiter l’analyse des sentiments des textes : la première est basée sur le lexique, la deuxième est basée sur des techniques d’apprentissage automatique et la troisième technique est hybride. Nous nous intéressons dans ce travail à réaliser une application d’analyse des sentiments en se basant sur l’algorithme d’apprentissage automatique Naive Bayes classifier qui est un classifieur probabiliste, ce qui signifie qu'il utilise les probabilités des résultats observés pour renvoyer une estimation raisonnable d'un résultat. La philosophie bayésienne se manifeste principalement de trois distributions (Gaussien, Bernoulli et Multinomial). Dans ce projet, nous avons proposé à établir une méthodologie d’analyse de sentiment se basant sur ces modèles bayésiens afin de quantifier la probabilité d’avoir un sentiment positif qu’un sentiment négatif. Avant d’entamer la réalisation de notre solution, en aimant à définir généralement le domaine d’analyse de sentiments avec ses différentes approches. En outre, on expérience le fonctionnement de la classification bayésienne des sentiments par la réalisation d’un baseline dans le but de comprendre le modèle mathématique et de le transmettre efficacement au notre méthodologie propose. Finalement, une expérimentation a été conduit sur des différents jeux de données (des critiques d’un restaurant, d’un produit d’Amazon et d’un film) que nous l’avons comparé avec les modèles prédéfinis de Sickit-Learn.