| D |
| DEFT | – Feature engineering for tweet polarity classification in the 2015 DEFT challenge
|
| T |
| Twitter | – Analyse d'opinions de tweets par réseaux de neurones convolutionnels
– Feature engineering for tweet polarity classification in the 2015 DEFT challenge
|
| A |
| analyse d'opinion | – Chaîne de traitement symbolique pour l'analyse d'opinion - l'analyseur d'opinions de Synapse Développement face à Twitter
– Une approche stylométrique pour la fouille d'opinion
|
| analyse d'opinions | – ADVANSE : Analyse du sentiment, de l'opinion et de l'émotion sur des Tweets Français
– Analyse d'opinions de tweets par réseaux de neurones convolutionnels
|
| analyse d'émotions | – ADVANSE : Analyse du sentiment, de l'opinion et de l'émotion sur des Tweets Français
– Analyse des émotions, sentiments et opinions exprimés dans les tweets : présentation et résultats de l'édition 2015 du défi fouille de texte (DEFT)
|
| analyse de la subjectivité | – Combiner analyses textométriques, apprentissage supervisé et représentation vectorielle pour l'analyse de la subjectivité
|
| analyse de sentiment | – Chaîne de traitement symbolique pour l'analyse d'opinion - l'analyseur d'opinions de Synapse Développement face à Twitter
– Une approche stylométrique pour la fouille d'opinion
– TALEP @ DEFT'15 : Le plus cooool des systèmes d'analyse de sentiment
|
| analyse de sentiments | – ADVANSE : Analyse du sentiment, de l'opinion et de l'émotion sur des Tweets Français
– Sentiment Detection Using PPM
– Exploitation de lexiques pour la catégorisation fine d'émotions, de sentiments et d'opinions
– Feature engineering for tweet polarity classification in the 2015 DEFT challenge
– Analyse des émotions, sentiments et opinions exprimés dans les tweets : présentation et résultats de l'édition 2015 du défi fouille de texte (DEFT)
|
| analyse de subjectivité | – ADVANSE : Analyse du sentiment, de l'opinion et de l'émotion sur des Tweets Français
– Chaîne de traitement symbolique pour l'analyse d'opinion - l'analyseur d'opinions de Synapse Développement face à Twitter
|
| apprentissage artificiel | – IRISA at DeFT 2015: Supervised and Unsupervised Methods in Sentiment Analysis
|
| apprentissage bayésien | – IRISA at DeFT 2015: Supervised and Unsupervised Methods in Sentiment Analysis
|
| attribution d'auteur | – Une approche stylométrique pour la fouille d'opinion
|
| B |
| boosting | – IRISA at DeFT 2015: Supervised and Unsupervised Methods in Sentiment Analysis
|
| C |
| campagne d'évaluation | – Analyse des émotions, sentiments et opinions exprimés dans les tweets : présentation et résultats de l'édition 2015 du défi fouille de texte (DEFT)
|
| chaînes de caractères | – Une approche stylométrique pour la fouille d'opinion
|
| classification | – Une approche stylométrique pour la fouille d'opinion
|
| classification automatique | – Combiner analyses textométriques, apprentissage supervisé et représentation vectorielle pour l'analyse de la subjectivité
|
| classification fine | – Exploitation de lexiques pour la catégorisation fine d'émotions, de sentiments et d'opinions
|
| construction de lexique | – Exploitation de lexiques pour la catégorisation fine d'émotions, de sentiments et d'opinions
|
| D |
| détection d'émotion | – Sentiment Detection Using PPM
– Chaîne de traitement symbolique pour l'analyse d'opinion - l'analyseur d'opinions de Synapse Développement face à Twitter
|
| détection de polarité | – Feature engineering for tweet polarity classification in the 2015 DEFT challenge
|
| E |
| expression d'émotions | – Exploitation de lexiques pour la catégorisation fine d'émotions, de sentiments et d'opinions
|
| extraction d'opinion | – Chaîne de traitement symbolique pour l'analyse d'opinion - l'analyseur d'opinions de Synapse Développement face à Twitter
|
| F |
| fouille d'opinion | – Sentiment Detection Using PPM
– Exploitation de lexiques pour la catégorisation fine d'émotions, de sentiments et d'opinions
– IRISA at DeFT 2015: Supervised and Unsupervised Methods in Sentiment Analysis
– Analyse des émotions, sentiments et opinions exprimés dans les tweets : présentation et résultats de l'édition 2015 du défi fouille de texte (DEFT)
|
| fouille de textes | – ADVANSE : Analyse du sentiment, de l'opinion et de l'émotion sur des Tweets Français
|
| L |
| linguistique de corpus | – Combiner analyses textométriques, apprentissage supervisé et représentation vectorielle pour l'analyse de la subjectivité
|
| M |
| microblogs | – Une approche stylométrique pour la fouille d'opinion
|
| P |
| plongement de mots | – IRISA at DeFT 2015: Supervised and Unsupervised Methods in Sentiment Analysis
|
| prédiction par correspondance partielle | – Sentiment Detection Using PPM
|
| R |
| réseaux de neurones convolutionnels | – Analyse d'opinions de tweets par réseaux de neurones convolutionnels
|
| réseaux de neurones profonds | – TALEP @ DEFT'15 : Le plus cooool des systèmes d'analyse de sentiment
|
| réseaux sociaux | – Feature engineering for tweet polarity classification in the 2015 DEFT challenge
– Analyse des émotions, sentiments et opinions exprimés dans les tweets : présentation et résultats de l'édition 2015 du défi fouille de texte (DEFT)
|
| S |
| stylométrie | – Une approche stylométrique pour la fouille d'opinion
|
| T |
| textométrie | – Combiner analyses textométriques, apprentissage supervisé et représentation vectorielle pour l'analyse de la subjectivité
|
| tweets | – Une approche stylométrique pour la fouille d'opinion
|
| W |
| word embeddings | – TALEP @ DEFT'15 : Le plus cooool des systèmes d'analyse de sentiment
|
| word2vec | – Combiner analyses textométriques, apprentissage supervisé et représentation vectorielle pour l'analyse de la subjectivité
|
