| 1 |
FEEL: a French Expanded Emotion Lexicon
|
|
|
|
In: https://hal-lirmm.ccsd.cnrs.fr/lirmm-02136090 ; 2019, ⟨swh:1:dir:35a446bb6f0808aa0db6f5bcd032f43e9ec71591;origin=https://hal.archives-ouvertes.fr/lirmm-02136090;visit=swh:1:snp:9d258bfd8a07f79cb8063b6ac33d6e710bd3e3f3;anchor=swh:1:rev:2266d773cf993b8718a1d7ca1d1bce145118f527;path=/⟩ (2019)
|
|
BASE
|
|
Show details
|
|
|
| 2 |
Reconciliation of patient/doctor vocabulary in a structured resource
|
|
|
|
In: ISSN: 1460-4582 ; Health Informatics Journal ; https://hal.archives-ouvertes.fr/hal-01810374 ; Health Informatics Journal, SAGE Publications, 2019, 25, pp.1219-1231. ⟨10.1177/1460458217751014⟩ ; https://journals.sagepub.com/home/jhi (2019)
|
|
BASE
|
|
Show details
|
|
|
| 3 |
Attention-based Modeling for Emotion Detection and Classification in Textual Conversations ...
|
|
|
|
BASE
|
|
Show details
|
|
|
| 4 |
FrenchSentiClass : an Automated System for French Sentiment Classification ; FrenchSentiClass : un Système Automatisé pour la Classification de Sentiments en Français
|
|
|
|
In: Actes de l’atelier DEFT de la conférence TALN 2017 ; DEFT: Défi Fouille de Texte ; https://hal-lirmm.ccsd.cnrs.fr/lirmm-01563411 ; DEFT: Défi Fouille de Texte, Jun 2017, Orléans, France (2017)
|
|
BASE
|
|
Show details
|
|
|
| 5 |
FEEL: a French Expanded Emotion Lexicon
|
|
|
|
In: ISSN: 1574-020X ; EISSN: 1574-0218 ; Language Resources and Evaluation ; https://hal-lirmm.ccsd.cnrs.fr/lirmm-01348016 ; Language Resources and Evaluation, Springer Verlag, 2017, 51 (3), pp.833-855. ⟨10.1007/s10579-016-9364-5⟩ (2017)
|
|
BASE
|
|
Show details
|
|
|
| 6 |
Concept drift vs suicide: How one can help prevent the other?
|
|
|
|
In: ISSN: 0976-0962 ; International Journal of Computational Linguistics and Applications ; https://hal.archives-ouvertes.fr/hal-01617870 ; International Journal of Computational Linguistics and Applications, Alexander Gelbukh, In press, 8 (1) ; https://www.gelbukh.com/ijcla/2017-1/ (2017)
|
|
BASE
|
|
Show details
|
|
|
| 7 |
Formalisation semi-automatique d'un vocabulaire patient/médecin dédié au cancer du sein
|
|
|
|
In: ISSN: 0992-499X ; EISSN: 1958-5748 ; Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle ; https://hal.archives-ouvertes.fr/hal-01583190 ; Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2016, 30 (5), pp.533-556. ⟨10.3166/ria.30.533-556⟩ ; http://www.iieta.org/ojs/index.php/RIA/index (2016)
|
|
BASE
|
|
Show details
|
|
|
| 8 |
ADVANSE: Sentiment, Opinion and Emotion Analysis in French Tweets ; ADVANSE : Analyse du sentiment, de l’opinion et de l’émotion sur des Tweets Français
|
|
|
|
In: DEFT: Défi Fouille de Texte ; https://hal.archives-ouvertes.fr/hal-01222629 ; DEFT: Défi Fouille de Texte, Jun 2015, Caen, France (2015)
|
|
Abstract:
National audience ; This paper describes the methods we submitted to the DEFT 2015 Challenge (Text Mining Challenge). This eleventh edition concerned the analysis of opinions, sentiments and emotions expressed in French tweets. Three tasks have been proposed, we participated to task 1 which concerned the classification of tweets according to their polarities, to task 2.1 concerning the identification of the generic class of information expressed in the tweet, and finally to task 2.2 that concerned the identification of the specific class of opinion, sentiment or emotion. We proposed supervised methods based on support vector machines (SVM) using several types of attributes such as word n-grams, character n-grams, most common syntactic patterns, etc. Moreover, we constructed and used two French lexicons of sentiments and emotions. ; Ce papier décrit les systèmes que nous avons soumis au défi DEFT 2015 (Défi Fouille de Texte). Cette onzième édition a porté sur l'analyse de l'opinion, du sentiment et de l'émotion dans des tweets rédigés en Français. Le défi propose trois tâches, nous avons participé à la tâche 1 qui concerne la classification des tweets selon leur polarité, à la tâche 2.1 qui concerne l'identification de la classe générique de l'information exprimée dans les tweets et enfin à la tâche 2.2 qui concerne l'identification de la classe spécifique de l'opinion, du sentiment ou de l'émotion présente dans les tweets. Nous avons proposé des méthodes supervisées basées sur les machines à vecteurs de support (SVM) utilisant plusieurs types d'attributs comme les n-grammes de mots, les n-grammes de caractères, les patrons syntaxiques les plus fréquents, etc. Nous avons également construit et utilisé des lexiques de sentiments et d'émotions spécifiques pour le français.
|
|
Keyword:
[INFO]Computer Science [cs]; Analyse de sentiments; analyse de subjectivité; analyse d’émotions; analyse d’opinions; emotion analysis; fouille de textes; opinion analysis; Sentiment analysis; subjectivity analysis; text mining
|
|
URL: https://hal.archives-ouvertes.fr/hal-01222629
https://hal.archives-ouvertes.fr/hal-01222629/document
https://hal.archives-ouvertes.fr/hal-01222629/file/TALNDEFT2015.pdf
|
|
BASE
|
|
Hide details
|
|
|
| 9 |
Construction d'un vocabulaire patient/médecin dédié au cancer du sein à partir des médias sociaux
|
|
|
|
In: 26èmes Journées francophones d'Ingénierie des Connaissances ; IC: Ingénierie des Connaissances ; https://hal.archives-ouvertes.fr/hal-01166796 ; IC: Ingénierie des Connaissances, Institut National de Recherche en Informatique et en Automatique (INRIA). FRA., Jun 2015, Rennes, France (2015)
|
|
BASE
|
|
Show details
|
|
|
| 10 |
CorTag: A contextual tagging of words within their sentences
|
|
|
|
BASE
|
|
Show details
|
|
|
|
|
