Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Aspect-Based Sentiment Analysis (ABSA)
Une tâche de NLP qui vise à identifier les aspects spécifiques d'une entité et à déterminer le sentiment (positif, négatif, neutre) exprimé à l'égard de chacun de ces aspects.
Catégorie d'Aspect
Une classification prédéfinie des aspects en groupes sémantiques (ex: 'SERVICE', 'AMBIANCE', 'NOURRITURE' pour un restaurant) pour structurer l'analyse.
Terme d'Aspect
Le mot ou la phrase explicite dans le texte qui fait référence à un aspect spécifique (ex: 'la pizza', 'le service', 'le délai de livraison').
Polarité de Sentiment
La classification du sentiment associé à un aspect en catégories discrètes, typiquement positive, négative ou neutre.
Détection d'Opinion Cible
La tâche de lier une expression d'opinion ou de sentiment à l'aspect spécifique (la cible) auquel elle se réfère dans le texte.
Analyseur de Dépendances
Un outil NLP utilisé pour construire l'arbre syntaxique d'une phrase, permettant de relier les mots descriptifs (adjectifs) à leurs noms (aspects) respectifs.
Apprentissage Supervisé pour l'ABSA
L'utilisation de modèles de machine learning entraînés sur des corpus annotés manuellement pour prédire les aspects et les polarités de sentiment.
Apprentissage Faiblement Supervisé
Des méthodes qui utilisent des étiquettes partielles, bruitées ou des heuristiques pour entraîner des modèles ABSA sans nécessiter une annotation manuelle complète et coûteuse.
Modèles de Séquence à Séquence (Seq2Seq)
Une architecture de réseaux de neurones, souvent basée sur des LSTM ou des Transformers, utilisée pour générer des paires aspect-sentiment structurées à partir d'un texte d'entrée.
Réseaux de Neurones à Convolution (CNN) pour l'ABSA
L'application de CNN pour extraire des caractéristiques locales (n-grammes) dans le texte, efficaces pour capturer les relations entre les mots proches comme un adjectif et son nom.
BERT pour l'ABSA
L'adaptation du modèle de langage pré-entraîné BERT (Bidirectional Encoder Representations from Transformers) pour des tâches d'ABSA, souvent en ajoutant une tête de classification spécifique.
Analyse de Sentiment Implicite
La détection de sentiments qui ne sont pas exprimés par des mots à polarité explicite mais inférés à partir du contexte (ex: 'Je n'ai pas pu manger ma soupe, elle était froide' implique un sentiment négatif sur l'aspect 'température').
Corpus Annoté pour l'ABSA
Un ensemble de données textuelles où les aspects, les termes d'aspect et les polarités de sentiment ont été étiquetés manuellement, servant de référence pour entraîner et évaluer les modèles.
Évaluation en F1-Score
Une métrique d'évaluation courante pour l'ABSA, qui calcule la moyenne harmonique de la précision et du rappel, mesurant la capacité du modèle à identifier correctement les paires aspect-sentiment.
Détection d'Aspects Implicites
L'identification d'aspects qui ne sont pas nommés directement mais sont sous-entendus par le contexte (ex: 'J'ai attendu 30 minutes' implique l'aspect 'temps d'attente').
Analyse de Sentiment au Niveau de la Phrase vs. de l'Aspect
La distinction entre la classification du sentiment global d'une phrase et l'analyse granulaire de l'ABSA, qui peut révéler des sentiments contradictoires au sein de la même phrase.
Tâche Quadruple en ABSA
Une formulation avancée de l'ABSA qui vise à identifier simultanément le porteur de l'opinion, la catégorie de l'aspect, le terme de l'aspect et la polarité du sentiment dans un texte.