Présentation

Projet de la partie Traitement Automatique du Langage de l'UE RITAL (parcours DAC) M1-S2 à Sorbonne Université

Binôme

• MAOUCHE Mounir M1-IMA
• SAID Racha M1-DAC

Problèmes étudiés

• Reconnaissance de locuteur
• Analyse de sentiments

Principe

• Utilisation d'une représentation bag of words pour de la classification de textes sur deux datasets différents
• Détermination d'une stratégie de nettoyage et de normalisation des textes adaptée pour chacune des tâches
• Elaboration d'un système de tests permettant de sélectionner les modèles les plus performants ainsi que l'affinage de leurs paramètres
• Evaluation des performances des modèles à travers des mesures adaptées à la nature des datasets (equilibré/déséquilibré)
• Etude et utilisation de différentes notions de machine learning pour maximiser le score du modèle (sur/sous-échantillonnage, lissage, régularisation...)

Datasets:

• "Présidents" : Phrases extraites d'un débat entre François Mitterrand et Jacques Chirac
• "Movies" : Revues de films accompagnées de leur polarité

Performances et résultats

Dataset "Présidents" :

• f1-score : 71.68 %
• AUC ROC : 96.43 %
• AUC RP : 87.23 %

Dataset "Movies" :

• accuracy : 81.16 %
• précision : 89.16 %
• rappel : 81.44 %