M\'ethode faiblement supervis\'ee pour l'extraction d'opinion cibl\'ee dans un domaine sp\'ecifique

La d{\'e}tection d{'}opinion cibl{\'e}e a pour but d{'}attribuer une opinion {\`a} une caract{\'e}ristique particuli{\`e}re d{'}un produit donn{\'e}. La plupart des m{\'e}thodes existantes envisagent pour cela une approche non supervis{\'e}e. Or, les utilisateurs ont souvent une id{\'e}e a priori des caract{\'e}ristiques sur lesquelles ils veulent d{\'e}couvrir l{'}opinion des gens. Nous proposons dans cet article une m{\'e}thode pour une extraction d{'}opinion cibl{\'e}e, qui exploite cette information minimale sur les caract{\'e}ristiques d{'}int{\'e}r{\^e}t. Ce mod{\`e}le s{'}appuie sur une segmentation automatique des textes, un enrichissement des donn{\'e}es disponibles par similarit{\'e} s{\'e}mantique, et une annotation de l{'}opinion par classification supervis{\'e}e. Nous montrons l{'}int{\'e}r{\^e}t de l{'}approche sur un cas d{'}{\'e}tude dans le domaine des jeux vid{\'e}os.