A. W. Moulahi-b, S. Bringay, and A. J. Servajean-m, Lirmm@deft-2018-modèle de classification de la vectorisation des documents, In Actes de DEFT, 2018.

B. D. Le-roux-j.-&-lejeune-g, Modèles en caractères pour la détection de polarité dans les tweets, Actes de DEFT, 2018.

D. , G. De, C. De-gabriac, and . Guigue-v.-&-gallinari-p, DEFT 2018 : Attention sélective pour classification de microblogs, Actes de DEFT, 2018.

F. , Toward a unifying model for opinion, sentiment and emotion information extraction, Proc of LREC, pp.3881-3886, 2014.

G. D. Ramond, A. , D. E. Kalitvianski-r, and . Ruhlmann-m.-&-padró-m, Notre tweet première fois au DEFT-2018 : systèmes de détection de polarité et de transports, In Actes de DEFT, 2018.

H. T. Fraisse, A. Paroubek, P. , and Z. P. Grouin-c, Analyse des émotions, sentiments et opinions exprimés dans les tweets : présentation et résultats de l'édition 2015 du défi fouille de texte (DEFT), 2015.

H. A. , Adapted sentiment similarity seed words for french tweets' polarity classification, Actes de DEFT, 2018.

J. S. Farahnak-f.-&-kosseim-l, CLaC @ DEFT 2018 : Sentiment analysis of tweets on transport from île-de-France, Actes de DEFT, 2018.

. D. Manning-c and . Schütze-h, Foundations of Statistical Natural Language Processing, 2000.

M. and R. C. Claveau-v, Participation de l'IRISA à DeFT 2018 : classification et annotation d'opinion dans des tweets, In Actes de DEFT, 2018.

M. C. Querné-o.-&-hamon-o, Syllabs@DEFT2018 : combinaison de méthodes de classification supervisées, Actes de DEFT, 2018.

S. A. Linsenmaier, H. Majed, and A. Cadet-x.-&-bouchekif-a, LSE au DEFT 2018 : Classification de tweets basée sur les réseaux de neurones profonds, Actes de DEFT, 2018.

S. D. Van-de-cruys-t and . Muller-p.-&-pradel-c, Concaténation de réseaux de neurones pour la classification de tweets, DEFT2018, Actes de DEFT, 2018.

S. P. Charaudeau, L. Boumghar, M. Bothua, and M. &. Lagarde-d, Participation d'EDF R&D à DEFT 2018, Actes de DEFT, 2018.