Semi-Automatic of Germ-Words Identification for Sentiment Analysis and Intensity

Identification Semi-Automatique de Mots-Germes pour l'Analyse de Sentiments et son Intensité

Amal Htait (1, 2) , Sébastien Fournier , Patrice Bellot (3, 4)

1 CLEO - Centre pour l'édition électronique ouverte
2 LIS - Laboratoire d'Informatique et des Systèmes (LIS) (Marseille, Toulon)
3 DIMAG - Data, Information & content MAnagement Group
4 LSIS - Laboratoire des Sciences de l'Information et des Systèmes

For the purpose of opinion exploring in tweets, this article presents a sentiment classification of tweets content. First, we present a method to identify new sentiment similarity seed words. These seed words are used for predicting sentiment intensity of other words and short phrases in co-occurrence. Then, for testing sentiment similarity, we use: Similarity Measures methods between words and cosine similarity measure between the word embedding representations (e.g. word2vec, GloVE). The experiments results highlight the importance of adapted for tweets seed words. In addition of the corpora size and its pre-treatement. As a conclusion, best results were achieved using cosine similarity measure between the word embedding representations.

Dans le but d'exploiter les opinions dans les tweets, cet article présente une classification à partir du sentiment contenu au sein des tweets. Nous présentons une méthode d'identifi-cation de nouveaux mots-germes. Ils sont utilisés pour la prédiction de l'intensité de sentiments des mots en co-occurrence avec ces mots-germes. Ensuite, le calcul de similarités entre sentiments est appliqué en utilisant: la mesure de la similarité entre deux mots et l'utilisation de plongement de mots (e.g. word2vec, GloVE) couplé à la mesure cosinus. Les résultats montrent l'importance de l'utilisation de mots-germes adaptés aux tweets, ainsi que la taille et le prétrai-tement de corpus. Pour conclure, nous avons obtenu les meilleurs résultats grâce à l'application de la méthode utilisant le plongement de mots couplée à la mesure cosinus. ABSTRACT. For the purpose of opinion exploring in tweets, this article presents a sentiment classification of tweets content. First, we present a method to identify new sentiment similarity seed words. These seed words are used for predicting sentiment intensity of other words and short phrases in co-occurrence. Then, for testing sentiment similarity, we use: Similarity Measures methods between words and cosine similarity measure between the word embedding representations (e.g. word2vec, GloVE). The experiments results highlight the importance of adapted for tweets seed words. In addition of the corpora size and its pre-treatement. As a conclusion, best results were achieved using cosine similarity measure between the word embedding representations. MOTS-CLÉS : Mots-germes, Twitter, Mesure de la Similarité, Plongement de mot, Word2vec, GloVe.

Mots clés: Seed words; Twitter; Similarity Measures; Word Embedding; Word2vec; GloVe 2

Domaines: Informatique [cs]; Traitement du texte et du document; Informatique et langage [cs.CL]; Recherche d'information [cs.IR]

Amal Htait, Sébastien Fournier, Patrice Bellot. Identification Semi-Automatique de Mots-Germes pour l'Analyse de Sentiments et son Intensité. CORIA, Mar 2017, Marseille, France. ⟨hal-01771644⟩