Abstract:
Le E-Commerce est devenu un domaine très large où acquérir des connaissances sur
ses consommateurs ou anticiper leurs attentes est devenu une tâche cruciale pour les
entreprises afin d'assurer la propérité de leur image et produits et tout cela est possible
à partir de la collecte des avis de clients sur un produit, un service, une marque. D'où
l'émergence de l'analyse des sentiments, qui est devenu une véritable industrie, toute aussi
stratégique que celle des sondages et avec l'évolution de la technologie, la puissance de
calcul de l'informatique permettrait de suivre toutes ces évolutions en temps réel quelque
soit leur volume sur le web. Cependant des milliers d'avis sont postés chaque jour sur
les sites d'achat et il est difficile d'analyser toutes ces données et les catégoriser selon
leur polarité et différencier les vrais avis des faux et prendre en considération la langue
utilisé, la syntaxe, le sarcasme, la neutralité de l'avis. De nombreuses techniques, la plus
populaire étant le Machine Learning, et outils ont été développés pour assurer l'analyse des
sentiments dans tous les domaines, dans notre cas le commerce éléctronique. Le présent
mémoire passe en revue les principales approches liées à l'analyse des sentiments des
avis des produits, propose une nouvelle approche utilisant le Traitement automatique
des langues (NLP) et trois algorithmes : Support Vector Machine (SVM), K-Nearest
Neighbours (KNN) et Naïve Bayes (NB) pour résoudre le problème de la polarité et
le taux de précision des donnés. Nous décrivons une approche permettant d'analyser
des commentaires de téléphones portables vérouillés obtenus d'Amazon sous forme d'un
dataset, analyser ce dataset et obtenir des résultats précis.
