L'analyse des sentiments, également connue sous le nom d'extraction d'opinions, est l'utilisation du traitement automatique du langage naturel, de l'analyse de texte, de la linguistique computationnelle et de la biométrie pour identifier, extraire, quantifier et étudier systématiquement les états affectifs et les informations subjectives. Elle est largement appliquée aux matériaux de « voix du client » tels que les avis et les réponses à des enquêtes, aux contenus en ligne et sur les réseaux sociaux, ainsi qu'aux matériaux de santé, pour des applications allant du marketing au service client en passant par la médecine clinique. Avec l'essor des modèles de langage profonds, tels que RoBERTa, des domaines de données plus difficiles peuvent être analysés, par exemple les textes de presse où les auteurs expriment généralement leur opinion ou leur sentiment de manière moins explicite.
Types d'analyse des sentiments
Une tâche de base dans l'analyse des sentiments consiste à classer la polarité d'un texte donné au niveau du document, de la phrase ou de l'aspect/entité - en déterminant si l'opinion exprimée est positive, négative ou neutre. Une classification avancée, « au-delà de la polarité », examine les états émotionnels tels que le plaisir, la colère, le dégoût, la tristesse, la peur et la surprise.
Les précurseurs de l'analyse des sentiments incluent le General Inquirer, qui a fourni des pistes pour quantifier les schémas dans le texte, et des recherches psychologiques qui examinaient l'état psychologique d'une personne sur la base de l'analyse de son comportement verbal. Par la suite, une méthode décrite dans un brevet par Volcani et Fogel s'est spécifiquement concentrée sur le sentiment et a identifié des mots et des phrases individuels par rapport à différentes échelles émotionnelles. Un système actuel basé sur leurs travaux, appelé EffectCheck, présente des synonymes qui peuvent être utilisés pour augmenter ou diminuer le niveau d'émotion évoquée sur chaque échelle.
De nombreux efforts ultérieurs ont été moins sophistiqués, utilisant une simple vision polaire du sentiment, de positif à négatif, comme les travaux de Turney et Pang, qui ont appliqué différentes méthodes pour détecter la polarité des avis sur les produits et des critiques de films respectivement. Ces travaux se situent au niveau du document. On peut également classer la polarité d'un document sur une échelle multi-niveaux, comme tenté par Pang et Snyder, entre autres : Pang et Lee ont élargi la tâche de base consistant à classer une critique de film comme positive ou négative pour prédire des notes en étoiles sur une échelle de 3 ou 4 étoiles, tandis que Snyder a mené une analyse approfondie des avis de restaurants, prédisant des notes pour divers aspects tels que la nourriture et l'ambiance (sur une échelle de cinq étoiles).
Les premières étapes pour rassembler diverses approches - apprentissage, lexicale, basée sur la connaissance - ont été franchies lors du symposium de printemps AAAI 2004, où des linguistes, des informaticiens et d'autres chercheurs ont d'abord aligné leurs intérêts et proposé des tâches partagées et des ensembles de données de référence pour une recherche computationnelle systématique sur l'affect, l'attrait, la subjectivité et le sentiment dans les textes.
Classe neutre et systèmes d'échelle
Bien que dans la plupart des méthodes de classification statistique, la classe neutre soit ignorée en supposant que les textes neutres se situent près de la frontière du classificateur binaire, plusieurs chercheurs suggèrent que trois catégories doivent être identifiées. Il peut être prouvé que des classificateurs spécifiques tels que Max Entropy et les SVM peuvent bénéficier de l'introduction d'une classe neutre et améliorer la précision globale. Il existe deux façons de travailler avec une classe neutre : soit l'algorithme identifie d'abord le langage neutre, le filtre, puis évalue le reste en termes de sentiments positifs et négatifs, soit il construit une classification à trois voies en une seule étape. La deuxième approche implique souvent d'estimer une distribution de probabilité sur toutes les catégories (par exemple, les classificateurs naïfs de Bayes implémentés par NLTK). L'utilisation d'une classe neutre dépend des données : si les données sont clairement regroupées en langage neutre, négatif et positif, filtrer le langage neutre est judicieux ; si les données sont principalement neutres avec de petites déviations, cette stratégie rendrait plus difficile la distinction entre les deux pôles.
Une méthode différente pour déterminer le sentiment est l'utilisation d'un système d'échelle où les mots couramment associés à un sentiment négatif, neutre ou positif reçoivent un nombre sur une échelle de -10 à +10 (du plus négatif au plus positif) ou de 0 à une limite positive supérieure comme +4. Cela permet d'ajuster le sentiment par rapport à son environnement (généralement au niveau de la phrase). Lorsque du texte non structuré est analysé à l'aide du traitement automatique du langage naturel, chaque concept reçoit un score basé sur la façon dont les mots de sentiment s'y rapportent. Les mots qui intensifient, atténuent ou nient le sentiment peuvent affecter le score. Alternativement, les textes peuvent recevoir des scores de force de sentiment positif et négatif si l'objectif est de déterminer le sentiment dans un texte plutôt que la polarité globale.
D'autres types incluent l'analyse des sentiments basée sur les aspects, l'analyse des sentiments graduée (positif, négatif, neutre), l'analyse des sentiments multilingue et la détection des émotions.
Identification de la subjectivité et de l'objectivité
Cette tâche est généralement définie comme la classification d'un texte donné (généralement une phrase) en deux classes : objective ou subjective. Ce problème peut parfois être plus difficile que la classification de polarité. La subjectivité des mots et des phrases peut dépendre du contexte, et un document objectif peut contenir des phrases subjectives (par exemple, un article de presse citant des opinions de personnes). Comme mentionné par Su, les résultats dépendent largement de la définition de la subjectivité utilisée lors de l'annotation des textes. Cependant, Pang a montré que supprimer les phrases objectives d'un document avant de classer sa polarité améliorait les performances.
L'identification subjective et objective sont des sous-tâches émergentes qui utilisent des caractéristiques syntaxiques, sémantiques et des connaissances en apprentissage automatique pour déterminer si une phrase ou un document contient des faits ou des opinions. La prise de conscience de la reconnaissance des faits et des opinions n'est pas récente, ayant peut-être été présentée pour la première fois par Carbonell à l'Université Yale en 1979.
Le terme objectif fait référence à l'incident portant des informations factuelles. Exemple : « Pour être élu président des États-Unis, un candidat doit avoir au moins trente-cinq ans. » Le terme subjectif décrit l'incident contenant des informations non factuelles sous diverses formes, telles que des opinions personnelles, des jugements et des prédictions.
Applications et défis
L'analyse des sentiments est largement utilisée dans les entreprises pour surveiller la réputation de la marque, analyser les commentaires des clients et éclairer le développement de produits. Dans le domaine de la santé, elle peut analyser les résultats rapportés par les patients ou les réseaux sociaux pour la surveillance de la santé publique. En politique, elle peut évaluer l'opinion publique sur les candidats ou les politiques.
Les défis incluent la gestion du sarcasme, de l'ironie et du sentiment dépendant du contexte. Les modèles d'apprentissage profond, en particulier les transformateurs et les grands modèles de langage, ont amélioré les performances dans des domaines complexes. Cependant, même les modèles avancés ont du mal avec les expressions nuancées. Les chercheurs continuent de développer des méthodes pour l'analyse des sentiments basée sur les aspects et la détection des émotions, en s'appuyant souvent sur les techniques de apprentissage automatique et de apprentissage profond.
Orientations futures
À mesure que l'intelligence artificielle progresse, l'analyse des sentiments évolue vers une analyse plus fine et multimodale, intégrant des indices audio, visuels et textuels. L'intégration des réseaux de neurones et des modèles de IA générative promet d'améliorer la compréhension de l'affect humain. Les considérations éthiques, telles que la vie privée et les biais, restent des domaines d'attention importants. Le domaine continue d'évoluer avec les contributions d'institutions académiques comme le CSAIL du MIT et le Laboratoire d'IA de Stanford, ainsi que des laboratoires industriels tels que Google DeepMind et OpenAI.