public/Telereview
1
0
Fork 0
mirror of https://git.roussel.pro/telecom-paris/pact.git synced 2026-02-09 02:20:17 +01:00
Code Issues Actions Packages Projects Releases Wiki Activity

Merge branch 'keshav.das-main-patch-42972' into 'main'

Browse Source 
Update rapport/proposition/etat-de-l-art.adoc

See merge request pact/2022-2023/pact71!19
This commit is contained in:
Keshav Das
2022-11-19 22:59:53 +00:00
parent 01239ae765 e67944724c
commit 985f2199f1
1 changed files with 1 additions and 1 deletions
Download Patch File Download Diff File Expand all files Collapse all files

2
rapport/proposition/etat-de-l-art.adoc
View File

@@ -17,7 +17,7 @@ image::../images/eurowordnet.jpeg[logo eurowordnet]
==== Outil https://github.com/cjhutto/vaderSentiment[VADER]
VADER est un outil développé par le MIT pour un usage dans le traitement du langage naturel en Anglais. Il faut mentionner qu'il peut être utilisé sur du Français en s'appuyant sur un outil de traduction externe. À un avis utilisateur donné, il associe trois scores: positivité, négativité et neutralité, puis en déduit un score global, en fonction d'une pondération définie par le programmeur (nous dans ce cas), (entre 1 (avis le plus positif possible) et -1 (avis le plus négatif possible). Il peut, entre autres, prendre en compte les émoticônes, la présence de majuscules, la disposition de la ponctuation, des abbréviations usuelles. Il a l'avantage d'être particulièrement efficace pour analyser les sentiments des avis postés sur les réseaux sociaux, or nous voulons pratiquer le scrapping d'avis sur ces plateformes pour que le gérant puisse avoir un maximum de retours.
VADER est un outil développé par le MIT pour un usage dans le traitement du langage naturel en Anglais. Il faut mentionner qu'il peut être utilisé sur du Français en s'appuyant sur un outil de traduction externe. À un avis utilisateur donné, il associe trois scores: positivité, négativité et neutralité, puis en déduit un score global, en fonction d'une pondération définie par le programmeur (nous dans ce cas), (entre 1 (avis le plus positif possible) et -1 (avis le plus négatif possible). Il peut, entre autres, prendre en compte les émoticônes, la présence de majuscules, la disposition de la ponctuation, des abbréviations usuelles. Il a l'avantage d'être particulièrement efficace pour analyser les sentiments des avis postés sur les réseaux sociaux, or nous voulons pratiquer le scraping d'avis sur ces plateformes pour que le gérant puisse avoir un maximum de retours.
==== Algorithme https://github.com/HSE-asavchenko/face-emotion-recognition[HSEmotion] (High-Speed face Emotion recognition)