Modèles heuristiques de classification des opinions à partir d'une étude comparative des réseaux profonds
Résumé
Dans cet article nous présentons uneétude comparative de deux types d'architecture de réseaux profonds (Réseaux convolutionnels et RNNs, plus particulièrement, LSTM). Ensuite, nous proposons un modèle qui combine ces deux architectures : celle de CNNs qui sont hiérarchiques et sont adaptésà la détection des corrélations de voisinage, et celle de RNNs qui sont séquentiels et adaptés aux informations contextuellesà longue distance. Les CNNs et RNNs fournissent des informations complémentaires en classification de texte[VAGS16]. Nous souhaitonś etudier cette complémentarité en l'appliquantà la problématique de classification d'opinions et de sentiments, et plus particulièrementà la détection de la polarité. Le corpus utilisé est en français mais les modèles sontégalement testés sur les données ouvertes IMDB [MDP + 11]. Les résultats sont satisfaisants et l'expérience montre que le choix d'hyperparamètres est plus important que la profondeur des couches.
Domaines
Informatique [cs]
Origine : Fichiers produits par l'(les) auteur(s)