Participation de l'IRISA \`a DeFT 2018 : classification et annotation d'opinion dans des tweets (IRISA at DeFT 2018: classifying and tagging opinion in tweets )

Cet article d{\'e}crit les syst{\`e}mes d{\'e}velopp{\'e}s par l{'}{\'e}quipe LinkMedia de l{'}IRISA pour la campagne d{'}{\'e}valuation DeFT 2018 portant sur l{'}analyse d{'}opinion dans des tweets en fran{\c{c}}ais. L{'}{\'e}quipe a particip{\'e} {\`a} 3 des 4 t{\^a}ches de la campagne : (i) classification des tweets selon s{'}ils concernent les transports ou non, (ii) classification des tweets selon leur polarit{\'e} et (iii) annotation des marqueurs d{'}opinion et de l{'}objet {\`a} propos duquel est exprim{\'e}e l{'}opinion. Nous avons utilis{\'e} un algorithme de boosting d{'}arbres de d{\'e}cision et des r{\'e}seaux de neurones r{\'e}currents (RNN) pour traiter les t{\^a}ches 1 et 2. Pour la t{\^a}che 3 nous avons exp{\'e}riment{\'e} l{'}utilisation de r{\'e}seaux de neurones r{\'e}currents associ{\'e}s {\`a} des CRF. Ces approches donnent des r{\'e}sultats proches, avec un l{\'e}ger avantage aux RNN, et ont permis d{'}{\^e}tre parmi les premiers class{\'e}s pour chacune des t{\^a}ches.