Analyse des sentiments sur les avis des clients dans le E-Commerce

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.