@inproceedings{kooli-pigneul-2018-analyse,
    title = "Analyse de sentiments {\`a} base d`aspects par combinaison de r{\'e}seaux profonds : application {\`a} des avis en fran{\c{c}}ais (A combination of deep learning methods for aspect-based sentiment analysis : application to {F}rench reviews)",
    author = "Kooli, Nihel  and
      Pigneul, Erwan",
    editor = "S{\'e}billot, Pascale  and
      Claveau, Vincent",
    booktitle = "Actes de la Conf{\'e}rence TALN. Volume 1 - Articles longs, articles courts de TALN",
    month = "5",
    year = "2018",
    address = "Rennes, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/add-emnlp-2024-awards/2018.jeptalnrecital-court.12/",
    pages = "303--310",
    language = "fra",
    abstract = "Cet article propose une approche d`analyse de sentiments {\`a} base d`aspects dans un texte d`opinion. Cette approche se base sur deux {\'e}tapes principales : l`extraction d`aspects et la classification du sentiment relatif {\`a} chaque aspect. Pour l`extraction d`aspects, nous proposons une nouvelle approche qui combine un CNN pour l`apprentissage de repr{\'e}sentation de caract{\`e}res, un b-LSTM pour joindre l`apprentissage de repr{\'e}sentation de caract{\`e}res et de mots et un CRF pour l'{\'e}tiquetage des s{\'e}quences de mots en entit{\'e}s. Pour la classification de sentiments, nous utilisons un r{\'e}seau {\`a} m{\'e}moire d`attention pour associer un sentiment (positif, n{\'e}gatif ou neutre) {\`a} une expression d`aspect donn{\'e}e. Les exp{\'e}rimentations sur des corpus d`avis (publics et industriels) en langue fran{\c{c}}aise ont montr{\'e} des performances qui d{\'e}passent les m{\'e}thodes existantes."
}