@inproceedings{liu-etal-2024-analyse,
    title = "Analyse de la perception de l{'}offre {INTERCIT{\'E}S} de jour : Classification multi-{\'e}tiquettes des {\'e}motions dans les tweets",
    author = "Liu, Chang  and
      Flamein, H{\'e}l{\`e}ne  and
      Lefeuvre, Luce  and
      Hanen, Fanny",
    editor = "Balaguer, Mathieu  and
      Bendahman, Nihed  and
      Ho-dac, Lydia-Mai  and
      Mauclair, Julie  and
      G Moreno, Jose  and
      Pinquier, Julien",
    booktitle = "Actes de la 31{\`e}me Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles, volume 1 : articles longs et prises de position",
    month = "7",
    year = "2024",
    address = "Toulouse, France",
    publisher = "ATALA and AFPC",
    url = "https://preview.aclanthology.org/fix-sig-urls/2024.jeptalnrecital-taln.22/",
    pages = "323--337",
    language = "fra",
    abstract = "La Direction Marketing de SNCF Voyageurs INTERCIT{\'E}S souhaite am{\'e}liorer l{'}exp{\'e}rience des voyageurs en proc{\'e}dant {\`a} l{'}analyse automatique de la perception de son offre {\`a} travers les ressentis partag{\'e}s sur les r{\'e}seaux sociaux. L{'}un des axes de notre recherche se focalise sur la d{\'e}tection des {\'e}motions en multi-{\'e}tiquettes qui traduisent cette perception. Pour accomplir cette t{\^a}che, nous ajustons tout d{'}abord un mod{\`e}le de langue pr{\'e}-entra{\^i}n{\'e} {\`a} l{'}aide d{'}un corpus pr{\'e}alablement annot{\'e} en {\'e}motions, puis nous le sp{\'e}cialisons sur notre corpus, ax{\'e} sur le contexte ferroviaire d{'}INTERCIT{\'E}S. Notre approche obtient un F1-Micro score de 0,55, un F1-Macro score de 0,44 et une exactitude de 0,826."
}